شماره کتابشناسی ملی
شماره
۶۷پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
ایجاد توابع انتقالی برای پیش بینی منحنی رطوبتی از طریق شبکه های عصبی مصنوعی (ANNs) و مدیریت گروهی داده ها (GMDH) با استفاده از پارامترهای فراکتالی و تجزیه به مؤلفه های اصلی
نام نخستين پديدآور
/حسین بیات
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: کشاورزی
مشخصات ظاهری
نام خاص و کميت اثر
۲۷۴ ص
يادداشت کلی
متن يادداشت
جدول،نمودار،عکس
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
واژه نامه ص.: ۲۶۹-۲۷۱، همچنین بصورت زیرنویس
متن يادداشت
کتابنامه ص.:
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
خاکشناسی
زمان اعطا مدرک
۱۳۸۷/۱۰/۲۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
ویژگی های هیدرولیکی خاک برای مدلسازی حرکت آب و مواد در خاک غیر اشباع مورد نیاز می باشند .به دلیل تغییر پذیری بالا و پیچیدگی خاک به دست آوردن آنها بطور مستقیم مشکل ، وقت گیر و پرهزینه است .به همین دلیل این ویژگیها با روش های غیر مستقیم تخمین زده شده و نتایج ضد و نقیضی در مورد دقت و قابلیت اعتماد آنها گزارش شده است .در این تحقیق تعداد۱۴۸ نمونه خاک دست خورده و دست نخورده از دو استان همدان و گیلان تهیه و متغیرهای توزیع اندازه ذرات خاک(PSD) ، جرم مخصوص ظاهری(BD) ، تخلخل کل(TP) ، هدایت هیدرولیکی اشباع(Ks (، رطوبت در مکش های ۰ ، ۱ ، ۵ ، ۱۰ ، ۲۵ ، ۵۰ ، ۱۰۰ ،۲۰۰ ،۵۰۰ ، ۱۰۰۰ و ۱۵۰۰ کیلوپاسکال، میانگین وزنی قطر خاکدانه ها(MWD) ، شاخص مخروطی(CI (، منافذ درشت(Mp) ، منافذ ریز (Mip) ، مقدار ماده آلی و جرم مخصوص ظاهری خاکدانه ها اندازه گیری گردید .میانگین هندسی قطر خاکدانه ها(dg) ، انحراف استاندارد هندسی قطر خاکدانه ها (sg) و پارامتر های فراکتالی برای توزیع اندازه ذرات خاک و خاکدانه ها هر کدام با سه مدل محاسبه شدند .تجزیه به مؤلفه های اصلی (PCA) بر روی ۳۳ متغیر اولیه شامل پارامتر های فراکتالی و متغیر های اندازه گیری شده انجام شد و هشت مؤلفه اصلی (PCs) انتخاب گردید .متغیرهای اولیه و PC ها برای پیش بینی ویژگی های هیدرولیکی خاک با دو روش شبکه های عصبی مصنوعی (ANNs) و روش چند هدفی مدیریت گروهی داده‌صها (mGMDH) بکار گرفته شد .میزان دقت هر کدام از این روش ها در هر مرحله پس از افزودن گام به گام متغیرها به عنوان ورودی به تنهایی و با همدیگر مقایسه گردید .سه مدل فراکتالی توزیع اندازه ذرات خاک (PSD) و توزیع اندازه خاکدانه ها (ASD) تفاوت معنی داری را از نظر دقت مدلسازی ذرات خاک و خاکدانه ها نشان دادند .بنابراین برای مدلسازی PSD و ASD بهتر است که دقیق ترین این مدل ها بکار برده شود .اطلاعات جزئی تر بافت خاک فقط در برخی موارد دقت PTF های نقطه ای را افزایش داد و تاثیر معنی داری بر قابلیت اعتماد مدل ها نداشتند .پارامتر های فراکتالی PSD (PSDFP) دقت و قابلیت اعتماد توابع نقطه ای و پارامتریک را افزایش دادند .پارامتر های فراکتالی ASD (ASDFP) موجب افزایش دقت و قابلیت اعتماد تخمین van با روش mGMDH گردیدند ولی در بقیه PTF ها بدلیل همبستگی ASDFP و PSDFP بهبودی را ایجاد نکردند CI .دقت و قابلیت اعتماد توابع نقطه ای را بهبود داد، هر چند که اثر آن در روش mGMDH کاهش یافت .روش mGMDH تاثیرOM -logKs- MWDبر روی منحنی رطوبتی را با وضوح بیشتری نشان داد .استفاده از PC ها دقت و قابلیت اعتماد تخمین ها را بویژه با روش ANNs افزایش داد .بنابراین PCA را می توان به عنوان فرایند تکمیل کننده تخمین منحنی رطوبتی معرفی کرد .روش mGMDH توابعی با قابلیت اعتماد بیشتر نسبت به روش ANNs ایجاد کرد .استفاده از پارامتر های فراکتالیPSD ، ASD و PC ها در تخمین منحنی رطوبتی مفید بوده و افزایش هوشمندی روش mGMDH نسبت به ANNs باعث ایجاد PTF هایی با خطای کمتر گردید.
متن يادداشت
objective group method of data handling (mGMDH). Effect of each input variable was evaluated. Three PSD fractal models and 3 ASD fractal models were significantly different in the PSD and ASD simulations. Consequently, the higher the accuracy, the better and the more applicable the model is. Only accuracy of some point PTFs were improved when detailed information on PSD (dg, sg and Md) were included in the list of inputs and no significant improvement of PTFs reliability occurred. A significant improvement of point and parametric PTFs accuracy and reliability occurred when PSDFP were included in the list of inputs. A significant improvement of van estimates occurred by mGMDH when ASDFP were included. In the other PTFs, ASDFP did not cause a significant improvement because of their correlation with PSDFP. A significant improvement of point PTFs accuracy and reliability occurred when CI were included in the list of inputs, however its effect decreased in the PTFs developed by mGMDH. MGMDH made clear the effect of OM, MWD and Ks on soil water retention (SWR) estimates. Using PCs caused a significant improvement of PTFs, especially by ANNs. Therefore, PCA could be a complementary analysis to develop PTFs. MGMDH PTFs were more reliable than ANN PTFs. PSDFP, ASDFP and PCs were found useful to predict SWR and mGMDH created more accurate and reliable PTFs, because of its intelligence. -1500 kPa, macro porosity (Mp), micro porosity (Mip), organic matter (OM), and aggregates apparent density were measured. PSD fractal parameters (PSDFP), ASD fractal parameters (ASDFP), geometric mean of particle diameter (dg ), geometric standard deviation of particle diameter (sg ) and median diameter (Md) were calculated. Principal component analysis (PCA) was applied to all 33 original variables and 8 principal components (PCs) were selected. Original variables and 8 PCs were used to develop pedotransfer functions (PTFs) hierarchically, by artificial neural networks (ANNs) and multi-1000 -500, -200, -100, -50, -25, -10, -5, -2, -1, -Soil hydraulic properties are essential for understanding many problems involving water flow and solute transport in unsaturated soils. The high variability and complexity of soil make direct measurement of soil hydraulic properties costly and time consuming. Consequently they have been estimated indirectly but, the reported results were not similar about their accuracy and reliability. In this study, 148 samples were collected from Hamadan and Guilan. Particle size distribution (PSD), total porosity (TP), bulk density (BD), saturated hydraulic properties (Ks), mean weight diameter (MWD), penetration resistance (PR), water content at 0,
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
بیات، حسین
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
نیشابوری، محمدرضا، استاد راهنما
مستند نام اشخاص تاييد نشده
محمدی، کوروش، استاد راهنمای همکار
مستند نام اشخاص تاييد نشده
محبوبی، علی اکبر، استاد مشاور
مستند نام اشخاص تاييد نشده
نریمان زاده، نادر، استاد مشاور همکار
مستند نام اشخاص تاييد نشده
ایران نژاد، مهدی، استاد مشاور همکار
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
