TY - JOUR ID - 6209 TI - اشتقاق توابع انتقالی برای برآورد پایداری خاکدانه‌های تر با استفاده از ابعاد فرکتالی ذرات و خاکدانه‌ها JO - دانش آب و خاک JA - WS LA - fa SN - 2008-5133 AU - اصغری, شکراله AU - علی‌محمدی, مجتبی AU - احمدی, عباس AU - دواتگر, ناصر AD - 1 - دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی AD - - دانشجوی سابق کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی AD - 3- استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز AD - استادیار پژوهش موسسه تحقیقات برنج کشور، رشت Y1 - 2017 PY - 2017 VL - 27 IS - 1 SP - 107 EP - 119 KW - رگرسیون KW - شبکه عصبی مصنوعی KW - کاربری اراضی KW - میانگین وزنی قطر خاکدانه‌های تر KW - نظریه فرکتالی DO - N2 - هدف از این پژوهش بررسی تأثیر ابعاد فرکتالی ذرات و خاکدانه­ها به عنوان متغیرهای اضافی بر بهبود دقت برآورد میانگین وزنی قطر خاکدانه‌های تر MWDwet)) با به­کارگیری توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی بود. به­این منظور، تعداد 90 نمونه خاک از اراضی زراعی، مرتعی و جنگلی استان اردبیل برداشته ‌شد. توزیع اندازه ذرات اولیه خاک ( mm2-0) و خاکدانه­ها ( mm75/4-0) تعیین و به­ترتیب مدل فرکتالی ینگ و همکاران و ریئو و اسپوزیتو به این توزیع­ها برازش داده شد و ابعاد فرکتالی ذرات و خاکدانه­ها به­دست‌آمد. پارامتر MWDwet نیز به­روش الک تر اندازه­گیری شد. نتایج نشان داد که بین MWDwet تر و ابعاد فرکتالی ذرات و خاکدانه­ها به­ترتیب همبستگی مثبت و منفی معنی­دار وجود دارد. استفاده از بعد فرکتالی خاکدانه­ها به­عنوان یک متغیر ورودی باعث افزایش ضریب تبیین (R2) از 71/0 به 80/0 در تابع رگرسیونی و از 78/0 به 95/0 در تابع شبکه عصبی در مرحله آموزش گردید. افزودن بعد فرکتالی خاکدانه‌ها به­عنوان تخمین­گر سبب افزایش اعتبار توابع ایجاد شده نگردید. همچنین توابع ایجاد شده با شبکه عصبی دارای دقت بیشتری نسبت به توابع رگرسیونی بودند به‌طوری­که میزان R2 در داده­های سری آموزش برای تابع شبکه عصبی 95/0 و  تابع رگرسیونی 80/0 به­دست آمد. UR - https://water-soil.tabrizu.ac.ir/article_6209.html L1 - https://water-soil.tabrizu.ac.ir/article_6209_9d76ec770056ac827f10f754671223a2.pdf ER -