O Analiz? Senzitiv? a Func?iilor de Pedotransfer ANN pentru Modelarea Spa?ial? a Capacit??ii de Schimb Cationic a Solului

Keshavarzi A., F. Sarmadian, Rebecca Tirado Corbola, M. Sadeghnejad

Abstract


Dezvoltarea unor modele de simulare a proceselor de sol a crescut rapid în ultimii ani. Aceste modele au fost dezvoltate pentru a îmbun?t??i în?elegerea proceselor solului importante ?i, de asemenea, s? ac?ioneze ca instrumente de evaluare a problemelor agricole ?i de mediu. În aceast? cercetare, un model de re?ea neuronal? artificial? (ANN) a fost dezvoltat pentru a prezice schimb de cationi din sol. Capacitatea (CEC), a fost numit? kriging neural (NK), prin caracteristicile usor masurabile de lut ?i de carbon organic. 134 probe de sol au fost colectate de la diferite orizonturi de profile de sol, 34 situate în regiunea Ziaran, provincia Qazvin, Iran. Setul de date a fost împ?r?it în dou? subseturi de calibrare (75%) ?i de testare (25%) a modelului. În scopul de a evalua modelul, eroarea p?tratic? medie (RMSE) ?i R2 au fost utilizate. Valoarea de RMSE ?i R2 derivate de model RNA au fost 0,04 ?i 0,97, respectiv. Compara?ia dintre RMSE ?i R2 pentru diferite modele de RNA a ar?tat c? modelul ANN cu trei neuroni în stratul ascuns ofer? estim?ri mai bune a solului CEC. Analiza de sensibilitate a fost, de asemenea, realizat? pentru a investiga efectele diferi?ilor parametri explicativi cu privire la ie?ire. Rezultatele au indicat c? varia?iile CEC au fost mai sensibile la con?inutul mare de argil? variabil OC. Pentru analizele geostatistice, prelevarea de probe a fost f?cut? cu metoda randomizat? stratificat? ?i 34 probe de sol 0-15 cm adâncime au fost colectate din 34 de loca?ii. Pentru compararea ?i evaluarea metodelor kriging neuronal? ?i kriging obi?nuite, au fost folosi?i parametrii statistici de RMSE ?i coeficientul de corelare (r) pentru datele de încercare. Rezultatele au aratat pentru metoda de kriging neuronal? un coeficient de corela?ie mai mare (0.96) ?i mai pu?in RMSE (1.22) decât în metoda kriging obi?nuit? în prezicerea ?i cartografierea spa?ial? a solului în zonele CEC.

Keywords


Retele Neuronale Artificiale, validare încruci?at?, caracteristici masurabile, kirking neural, analiza de sensibilitate

Full Text:

PDF