آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,224 |
| تعداد مقالات | 15,034 |
| تعداد مشاهده مقاله | 50,539,706 |
| تعداد دریافت فایل اصل مقاله | 13,636,316 |
مقایسه مدلهای شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت | ||
| دانش آب و خاک | ||
| مقاله 11، دوره 25، شماره 2، شهریور 1394، صفحه 129-140 اصل مقاله (225.46 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمدرضا مقصودی1؛ عادل ریحانی‌تبار* 2؛ نصرت اله نصرت اله نجفی2 | ||
| 11 دانشجوی سابق کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز | ||
| 2دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| در این تحقیق مقایسهای بین شبکه عصبی مصنوعی (ANN) و مدلهای رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج‌شده توسط عصارهگیرهای مختلف انجام یافت. برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع‌آوری و در آن خاکها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر در آن اندازه‌گیری شد. نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراج‌شده با روش‌های کالول و اولسن با وزن خشک بخش هوایی ذرت بهترتیب برابر 49/0 و 44/0 بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روش‌ها بودند. در پیشبینی شاخصهای مهم وزن خشک و فسفر جذب‌شده توسط گیاه ذرت بر مبنای غلظت فسفر استخراج‌شده توسط عصارهگیرهای مختلف، ضرایب تبیین مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی خطی حاصل گردید، لذا چنین نتیجهگیری شد که میتوان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت. | ||
| کلیدواژه‌ها | ||
| ذرت؛ رگرسیون خطی؛ فسفر جذب‌شده؛ شبکه عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 1,989 تعداد دریافت فایل اصل مقاله: 856 |
||