تعیین روش بهینه پیش پردازش داده ها به منظور افزایش دقت شبیه سازی های شوری خاک سطحی (مطالعه موردی: منطقه مروست)

چکیده:
در این تحقیق تاثیر روش های پیش پردازش داده های شوری درافزایش دقت شبیه سازی های صورت گرفته توسط الگوریتم درخت تصمیم در منطقه مروست مورد بررسی قرار گرفته است. به این منظور شبیه سازی ها در سه حالت (استفاده از داده های اصلی، استفاده از لگاریتم داده ها و استفاده از داده های استاندارد شده) صورت گرفت. نتایج نشان داد علیرغم معنی دار بودن ضریب همبستگی در هر سه حالت، میزان خطا در حالت استفاده از لگاریتم داده ها نسبت به دو حالت دیگر کمتر بوده و نتایج به واقعیت نزدیکتر می باشد. به طوری که این حالت (استفاده از لگاریتم داده ها)، درخت ایجاد شده قادر است با ترکیب «باند 7، ارتفاع» و استفاده از 5 قانون، میزان شوری خاک سطحی را برآورد نماید. با توجه به اینکه توزیع احتمالاتی حاکم بر داده های شوری منطقه، یکی از توزیع های خانواده لگاریتم(Log-Pearson 3) می باشد می توان اظهار داشت، کاهش خطا در حالت استفاده از لگاریتم داده ها در ارتباط نزدیک با توزیع احتمالاتی حاکم بر داده های شوری منطقه مورد بررسی در این تحقیق می باشد. لذا شبیه سازی با استفاده از لگاریتم داده ها به دلیل خطای کمتر و نیازمندی به داده های ورودی کمتر به عنوان مدل برتر شناخته شد.آماره های خطای R، Rmse، %Rmse، MAE وBias در این حالت 76/0، 49/0، 58/38، 37/0 و 14/0- بدست آمد.
زبان:
فارسی
صفحات:
915 تا 928
لینک کوتاه:
magiran.com/p1740685 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!