|
Title
|
مدل تحلیل طیفی - هوش مصنوعی با متغیرهای مکانی در تخمین برخی ویژگی های شیمیایی خاک
|
|
Type of Research
|
Article
|
|
Keywords
|
تجزیه، تحلیل مولفه های اصلی، مقیاسی، MODWT.
|
|
Abstract
|
عدم وجود اطلاعات با وابستگی مکانی در مورد خصوصیات خاک تا حد زیادی منجر به محدودیت در مطالعات کشاورزی، هیدرولوژی، آب و هوا، اکولوژی و محیط زیست شده است. در این راستا هدف تحقیق تحلیل تغییرات با وابستگی مکانی در تخمین توزیع pH و شوری خاک در محدودة شهر تبریز می-باشد. متغیرهای ورودی به مدل رگرسیون بردار پشتیبان طول جغرافیایی، عرض جغرافیایی، ارتفاع از سطح دریا، شیب و جهت شیب بودند. روش پیشنهادی در نحوة مدل سازی در سه گروه تقسیم بندی شد که در گروه اول مدل سازی بین زیر سری های حاصل از تجزیه با استفاده از تبدیل موجک گسسته حداکثر هم پوشانی (MODWT) با خصوصیات خاک، در گروه دوم مدل سازی بین زیرسری های حاصل از تجزیه و زیرسری های خصوصیات خاک و در گروه سوم مدل سازی بین زیر سری های موثر حاصل از تحلیل مولفه های اصلی و خصوصیات خاک بود. بدون هیچ گونه تجزیه سری، تغییر در نوع متغیر های ورودی تخمین هایی با درجه دقت مختلف را ایجاد کرد، به طوری که مقادیر کاهشی انحراف معیار خطای پیش بینی (Var) و افزایشی انحراف پیش بینی باقی مانده (RPD) در تخمین pH خاک با متغیرهای ورودی طول، عرض جغرافیایی و ارتفاع به متغیرهای ارتفاع، شیب و جهت 6٪ و 13٪ شد. تجزیه سری با MODWT حالت های مختلفی را در نتایج تخمینی داشت، به طوری که مقادیر افزایشی RPD با تجزیه سری جهت شیب در تخمینpH خاک 15٪ و مقادیر کاهشی Var در تخمین شوری خاک20٪ بود. مدل سازی زیرسری های متغیرهای ورودی با زیرسری های خصوصیات خاک و در نهایت جمع زیرسری های تخمینی خصوصیات خاک، نتوانست دقت مقادیر تخمینی را افزایش دهد. نمودار جعبه ای و دندروگرام نشان دادند که تحلیل مولفه های اصلی با تعیین زیرسری های موثر دقت تخمین خصوصیات خاک را افزایش داد (کاهش4٪ و 2٪ خطای جذر میانگین مربعات ، RMSE، در pH و شوری). اگر مقایسه ای بین روش تجزیه سری با MODWT (کاهش 12٪ RMSE در تعیین pH) و استفاده از تحلیل مولفه ها (کاهش4٪RMSE) در روند تجزیه در نظر گرفته شود، تاثیر تجزیة سری در افزایش دقت برآورد توزیع مکانی بیشتر است.
|
|
Researchers
|
Laleh Parviz (First Researcher)، (Second Researcher)، (Third Researcher)
|