...
首页> 外文期刊>Почвоведение >ОЦЕНКА КОЭФФИЦИЕНТА ФИЛЬТРАЦИИ СМЕКТИТ-СОДЕРЖАЩИХ ПОЧВ С ИСПОЛЬЗОВАНИЕМ АНСАМБЛЕЙ НЕЙРОННЫХ СЕТЕЙ
【24h】

ОЦЕНКА КОЭФФИЦИЕНТА ФИЛЬТРАЦИИ СМЕКТИТ-СОДЕРЖАЩИХ ПОЧВ С ИСПОЛЬЗОВАНИЕМ АНСАМБЛЕЙ НЕЙРОННЫХ СЕТЕЙ

机译:基于神经网络的包层估计含密闭土壤的渗透系数

获取原文
获取原文并翻译 | 示例
           

摘要

Коэффициент фильтрации (Ks) является одним из основных показателей физических свойств почвы. Косвенная оценка коэффициента фильтрации на основе педотрансферных функций (ПТФ) достаточно хорошо освещена в литературе. Целью настоящей работы явилось усовершенствование методаоценки Ks на основе фрактальных параметров гранулометрического и микроагрегатного составов почв по сравнению с традиционными показателями структуры и гранулометрического состава почв, используемых при оценке К5ддя смектит-содержащих почв. Изучено 260 проб нарушенных и ненарушенных почв, отобранных в провинции Гилян северного Ирана. Для расчета фрактальных параметров гранулометрического и микроагрегатного составов использовали модель Берда-Перьера. ПТФ для оценки Ks на основании имеющихся почвенных данных и фрактальных параметров были разработаны с использованием ансамблей искусственных нейронных сетей (ИНС). Обнаружено наличие существенной корреляции между величинами Ks и фрактальными параметрами частиц и микроагрегатов. Использование фрактальных параметров микроагрегатов в качестве предикторов значительно улучшило оценку Ks, тогда как данные о среднегеометрическом диаметре почвенных частиц и его стандартном отклонении не привели к существенному улучшению оценки Ks. Наилучшие результаты были получены при совместном применении фрактальных параметров частиц и микроагрегатов. Показано, что фрактальные параметры частиц и микроагрегатов могут с успехом применяться в качестве входных параметров для улучшения оценки Ksс применением ПТФ для смектит-содержащих почв. При использовании ансамблей ИНС фрактальные параметры частиц и микроагрегатов хорошо коррелировали с величинами Ks.
机译:过滤系数(Ks)是土壤物理性质的主要指标之一。基于pedotransfer函数(PTF)的过滤系数的间接估计已在文献中充分介绍。这项工作的目的是,与用于评估含蒙脱石土壤的K5d的传统土壤结构和粒度组成指标相比,改进基于土壤的粒度和微骨料组成的分形参数的Ks估算方法。研究了在伊朗北部吉兰省采集的260个扰动和未扰动的土壤样本。使用Byrd-Perrier模型计算粒度和微骨料成分的分形参数。使用人工神经网络(ANN)的集合,开发了根据可用土壤数据和分形参数估算Ks的PTF。发现Ks值与颗粒和微骨料的分形参数之间存在显着相关性。使用微骨料的分形参数作为预测指标可显着改善Ks估算值,而有关土壤颗粒几何平均直径及其标准偏差的数据并不会显着改善Ks估算值。结合使用颗粒和微骨料的分形参数可获得最佳结果。结果表明,颗粒和微骨料的分形参数可以成功地用作输入参数,以改进含Pf的蒙脱石土壤的Ks估计值。当使用人工神经网络集成时,粒子和微团聚体的分形参数与Ks值具有很好的相关性。

著录项

获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号