دانلود مقاله انگلیسی رایگان:استراتژی یکپارچه سازی مدل هوش مصنوعی چندگانه: کاربرد در پیش بینی هدایت هیدرولیکی اشباع شده از خصوصیات خاک که به راحتی در دسترس است - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • Multiple AI model integration strategy : Application to saturated hydraulic conductivity prediction from easily available soil properties Multiple AI model integration strategy : Application to saturated hydraulic conductivity prediction from easily available soil properties
    Multiple AI model integration strategy : Application to saturated hydraulic conductivity prediction from easily available soil properties

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Multiple AI model integration strategy : Application to saturated hydraulic conductivity prediction from easily available soil properties


    ترجمه فارسی عنوان مقاله:

    استراتژی یکپارچه سازی مدل هوش مصنوعی چندگانه: کاربرد در پیش بینی هدایت هیدرولیکی اشباع شده از خصوصیات خاک که به راحتی در دسترس است


    منبع:

    Sciencedirect - Elsevier - Soil & Tillage Research, 196 (2020) 104449. doi:10.1016/j.still.2019.104449


    نویسنده:

    Mahsa H. Kashania,*, Mohammad Ali Ghorbanib,c, Mahmood Shahabid, Sujay Raghavendra Nagannae, Lamine Diopf


    چکیده انگلیسی:

    A multiple model integration scheme driven by artificial neural network (ANN) (MM-ANN) was developed and tested to improve the prediction accuracy of soil hydraulic conductivity (Ks) in Tabriz plain, an arid region of Iran. The soil parameters such as silt, clay, organic matter (OM), bulk density (BD), pH and electrical conductivity (EC) were used as model inputs to predict soil Ks. Standalone models including multivariate adaptive regression splines (MARS), M5 model tree (M5Tree), support vector machine (SVM) and extreme learning machine (ELM) were also implemented for comparative evaluation with MM-ANN model predictions. Based on several performance indicators such as Nash Sutcliffe Efficiency (NSE), results showed that the calibrated MMANN model involving the predictions of MARS, M5Tree, SVM and ELM models by considering all the soil parameters used in this study as inputs provided superior soil Ks estimates. The proposed hybrid model (MMANN) emerged as a reliable intelligence model for the assessment of soil hydraulic conductivity with an NSE=0.939 & 0.917 during training and testing, respectively. Accurate prediction of field-scale soil hydraulic conductivity is crucial from the view point of agricultural sustainability and management prospects.
    Keywords: Saturated hydraulic conductivity | Extreme learning machine | Multiple model strategy | Multivariate adaptive regression splines | M5Tree | Support | vector machine | Prediction


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 7941 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi