عنوان

برآورد دمای خاک بر اساس پارامترهای اقلیمی با تلفیق الگوریتم کرم شب‌صتاب در مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان( مطالعه موردی، استان آذربایجان شرقی)

‭۱۷۵۲۲پ‬

per

برآورد دمای خاک بر اساس پارامترهای اقلیمی با تلفیق الگوریتم کرم شب‌صتاب در مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان( مطالعه موردی، استان آذربایجان شرقی)

/فاطمه اسماعیل بیکی

: کشاورزی

، ‮‭۱۳۹۶‬

، میرزائی

چاپی

کارشناسی ارشد

علوم مهندسی خاک گرایش فیزیک و حفاظت خاک

‮‭۱۳۹۶/۰۶/۰۵‬

تبریز

در عصر حاضر توسعه پایدار در بخش کشاورزی یکی از اساسی‌صترین نیازهای کشورها به شمار می‌صرود و علمی‌صتر شدن کشاورزی از ملزومات اصلی تحقق این هدف محسوب می‌صشود .در این راستا، اطلاع کشاورز از پارامترهای هواشناسی موثر و مهم می‌صتواند در انجام تصمیم گیری به موقع وی را یاری نماید و میزان تراکم تولید را به طرز چشمگیری افزایش داده و خسارات احتمالی را تا حد امکان کاهش دهد .دمای خاک بدون تردید یکی از این پارامترهای تاثیر گذار است .در این پژوهش از داده‌صهای اندازه‌صگیری شده در ایستگاه‌صهای هواشناسی استان آذربایجان‌ص‍ شرقی، شامل شهرهای، تبریز، اهر، جلفا، مراغه و میانه با دوره آماری ‮‭۳‬ ساله مربوط به بازه زمانی سال های ‮‭۱۳۹۲‬ تا ‮‭۱۳۹۴‬ استفاده شد و با به‌صکارگیری مدل هیبریدی شبکه عصبی مصنوعی - کرم شب تاب و مدل هیبریدی ماشین بردار پشتیبان-کرم شب تاب، شبکه عصبی مصنوعی و ماشین بردار پشتیبان، دمای خاک یک روز و دو روز آینده در اعماق‮‭۵‬ ، ‮‭۱۰‬ و ‮‭۲۰‬ سانتی‌صمتری تخمین زده شد .بالاترین دقت و کمترین خطا در مدل سازی اعماق مورد نظر برای مدل هیبریدی شبکه عصبی مصنوعی - کرم شب تاب و مدل هیبریدی ماشین بردار پشتیبان-کرم شب تاب، حاصل گردید و در آخر شبکه عصبی مصنوعی و ماشین بردار پشتیبان قرار گرفتند

In the current age of sustainable development in the agricultural sector one of the most basic needs of countries is considered and scientific knowledge of agriculture is one of the essential requirements for achieving this goal. In this regard, informing the farmer of effective and important weather parameters can help him in timely decision-making and increase the production density dramatically and reduce potential losses as much as possible. Soil undoubtedly influences one of these parameters. In this study, measured data at the meteorological stations of East Azarbaijan province include the cities of Tabriz, Ahar, Jolfa, Maragheh and Mianeh and meteorological variables with a 3-year statistical period are from the period of 1392 to 1394 and using the Hybrid Artificial Neural Network - Firefly Model and the Hybrid Support Vector Machine - Firefly, Artificial Neural Network and Support Vector Machine, the soil temperature of one day and two days at a depth of 5, 10 and 20 cm estimated. The results of the modeling were that the highest accuracy and the least error in the modeling of the depths desired for Hybrid Artificial Neural Network - Firefly Model and the Hybrid support vector machine - Firefly And finally Artificial Neural Network and Support Vector Machine

اسماعیل بیکی، فاطمه

زارع حقی، داود، استاد راهنما

قربانی، محمدعلی، استاد راهنما

نیشابوری، محمدرضا، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی