فهرست مطالب نویسنده:
mohammad jorreh
-
مدل ون گنوختن معروفترین و پرکاربردترین مدل منحنی نگهداشت آب خاک است. پارامترهای این مدل توسط تخمینگر های مختلف از جمله بافت خاک تخمین زده شده اند. اما تا کنون از خصوصیات منحنی تراکم جهت تخمین پارامترهای مدل ون گنوختن و نهایتا رطوبت خاک استفاده نشده است. منحنی تراکم یکی از خصوصیات مکانیکی خاک است و رابطه بین تنش- کرنش با مدول الاستیسته در خاک را نشان می دهد. دو منحنی نگهداشت آب خاک و منحنی تراکم دارای شباهت هایی هستند. اندازه گیری منحنی نگهداشت آب در خاک زمان بر و هزینه بر است در صورتی که اندازه گیری منحنی تراکم ارزان و سریع است. برای انجام این تحقیق 150 نمونه خاک از پنج استان ایران به صورت دست خورده و دست نخورده برداشت شد. نگهداشت آب در خاک در دوازده مکش اندازه گیری شد. منحنی تراکم با استفاده از دستگاه تک محوری به صورت نمونه محصور بدست آمد. در این طرح از شش سطح تخمینگر که شامل خصوصیات تراکمی و ضرایب معادلاتی هستند برای تخمین رطوبت خاک استفاده شد. استفاده از خصوصیات منحنی تراکم موجب بهبود تخمین منحنی نگهداشت آب خاک در هر دو مرحله اموزش و ازمون مدل گردید. سطوح دوم و ششم به ترتیب با تخمین گرهای تنش پیش تراکمی-شاخص تراکم- شاخص تورم و پارامترهای معادله تنش-پوکی ( به صورت غیر مستقیم)، علاوه بر خصوصیات پایه، نسبت به سایر سطوح دقت تخمین بالاتری داشتند (IRMS=0.092). علت برتری این تخمینگر ها را می توان همبستگی آن ها با ضرایب مدل ون گنوختن و مفهوم مکانیکی تخمینگر ها دانست. همچنین تشابه شکل دو منحنی با هم نیز یکی از علل تخمین مناسب رطوبت بود.کلید واژگان: تنش پیش تراکمی، مدل، منحنی نگهداشت آب خاک، منحنی تراکمvan Genuchten model is a well-known and most widely used model for the estimation of soil water retention curve. The parameters of this model have been estimated by different estimators such as soil texture. But so far the properties of compaction curve have not been used to estimate the parameters of van Genuchten model. Compaction curve is one of the soil mechanical properties and shows the relationship between the stress-strain with the elasticity modulus. Soil water retention and compaction curves have similarities. Measurement of soil water retention curve is time-consuming and costly while the measurement of compaction curve is cheap and needs less time. For this study, 150 soil samples (distributed and undistributed) were collected from five provinces of Iran. Soil water retention was measured at 12 suctions and the compaction curve was obtained using uniaxial apparatus in the confined sample. In this research, 6 levels of estimators including compaction characteristics and equations coefficients were used to estimate water content. In general, results showed that the use of compaction curve was useful to estimate the soil water retention curve. The second and sixth levels with the estimators of Pc-Cc-Cs and parameters of stress-strain model (indirectly), respectively along with basic soil properties had higher estimation accuracy compared to other estimator levels. The reason for the excellence of these estimators can be due to their correlation with van Genuchten model parameters and mechanical concept of estimators. Moreover, the similarity between the two curves was one of the reasons for the appropriate estimation of soil water retention curve.Keywords: Precompression Stress, Model, Soil Water Retention Curve, Compression Curve
-
با توجه به دشوار، زمان بر و پرهزینه بودن اندازه گیری گنجایش تبادل کاتیونی خاک ها (CEC)، تمایل به بهره گیری از توابع انتقالی (PTFs) برای برآورد این ویژگی روبه افزایش است. تعداد 129 نمونه خاک از استان های همدان و گیلان نمونه برداری شد. سپس توزیع اندازه ذرات، کربن آلی، CEC، pH خاک و میانگین وزنی قطر خاکدانه ها (MWD) در آن ها اندازه گیری شدند. افزون بر ویژگی هایی که به صورت مرسوم برای برآورد CEC به کار می روند، از MWD نیز بهره گیری شده و توان این ویژگی در بهبود برآورد CEC به کمک مدل های رگرسیونی و شبکه های عصبی ارزیابی شد. نتایج نشان داد که افزودن MWD، سبب بهبود چشم گیر صحت تخمین CEC شد که میزان بهبود از 6 تا 46 درصد متغیر بود. علت این بهبود ارتباط غیرمستقیم CEC باMWD خاک است. همچنین پنج مدل شبکه های عصبی براساس معیار ریشه میانگین مربعات خطا برتری ویژه ای نسبت به مدل های رگرسیونی در برآورد CEC در مرحله آموزش داشتند. ولی در مرحله آزمون برای بیشتر مدل ها نتیجه ای متفاوت به دست آمد. بنابراین MWD تخمین گر مناسبی برای برآورد CEC با استفاده از شبکه های عصبی مصنوعی و روش رگرسیونی است.
کلید واژگان: تخمین، شبکه های عصبی مصنوعی، ظرفیت تبادل کاتیونی، میانگین وزنی قطر خاکدانه هاPedotransfer functions are used increasingly to predict the cation exchange capacity (CEC), because, its measurement is difficult, costly and time-consuming. The 129 soil samples were collected from Hamedan and Guilan provinces. The soil particle size distribution, organic matter, CEC, pH and mean weight diameter (MWD) have been measured. In addition to conventional predictors of soil CEC, MWD have been used to predict CEC and their capability in the improvement of CEC predictions by regression and artificial neural networks (ANNs) have been evaluated. The results showed that entering MWD improved the accuracy of the models from 6 to 46 %. The indirect relationships between MWD and CEC were the reason for this improvement. According to root mean square error, ANN models performed better than regression models in the prediction of CEC in training step but, the different results were found in the testing step for most of the models. Therefore, MWD is the suitable predictor for the estimation of soil CEC by regression and ANNs methods.Keywords: MWD., Cation exchange capacity, Estimation, ANNs -
گنجایش تبادل کاتیونی (CEC) خاک، از ویژگی های شیمیایی مهم و تاثیر گذار بر دیگر ویژگی های خاک بوده و شناسه ای مناسب برای ارزیابی کیفیت و بهره وری خاک است. از سوی دیگر اندازه گیری مستقیم این پارامتر دشوار، زمان بر و پرهزینه است. هدف از این پژوهش برآورد CEC از دیگر پارامتر های زود یافت خاک با بهره گیری از توابع انتقالی (PTFs) بود. تعداد 129 نمونه خاک از خاک های شاخص بر پایه سری خاک های غالب از استان های همدان و گیلان نمونه برداری شد. در آزمایشگاه توزیع اندازه ذرات، ماده آلی خاک، CEC و pHخاک اندازه گیری شدند. در این پژوهش، افزون بر پارامتر هایی مانند اجزای بافت خاک، pH و ماده آلی که به گونه مرسوم برای برآورد CEC بهره گیری می شوند، از پارامتر های فراکتالی توزیع اندازه ذرات مدل های یانگ و همکاران، پریر- بیرد، کراوچنکو- ژانک و مدل بیرد، بهره گیری شد. توانایی هر یک از پارامتر های فراکتالی در بهبود برآورد CEC به کمک مدل های رگرسیونی و شبکه های عصبی مصنوعی ارزیابی شد. نتایج نشان داد که افزودن پارامتر های فراکتالی به ویژه مدل پریر- بیرد و مدل بیرد، به ورودی های مرسوم برآورد کننده CEC باعث بهبود دقت مدل ها شد. همچنین مدل های شبکه عصبی برتری ویژه ای نسبت به مدل های رگرسیونی داشتند. وارد کردن پارامتر های فراکتالی در توابع انتقالی باعث بهبود برآورد CEC شد.
کلید واژگان: بعد فراکتالی، گنجایش تبادل کاتیونی، _ توابع انتقالی، برآوردThe cation exchange capacity (CEC) is one of the most important soil chemical properties that influences other soil properties and is a suitable index of soil quality and use. Direct measurement of the CEC is difficult، costly and time-consuming. Therefore، the objective of this study was to predict the CEC by pedotransfer functions (PTFs) using readily available soil properties as predictors. The data were supplied from two provinces of Iran: 129 soil samples were collected from dominant soil series of Hamadan and Guilan provinces. The soil particle size distribution (PSD)، organic matter، CEC and pH have been measured in the laboratory. In this research in addition to conventional predictors of soil CEC such as soil textural fractions، pH and organic matter، fractal parameters of four PSD models including Bird، Perrier-Bird، Kravchenko-Zhang and Yang et al. have been used to predict CEC. In order to evaluate the predictability of CEC from fractal parameters of PSD، regression and artificial neural networks (ANNs) techniques have been used. The results showed that entering fractal parameters of PSD especially the parameters of Bird and Perrier-Bird to the models improved the statistical criteria of the models. In addition، ANN models performed better than regression models. Using new predictors in the PTFs improved the prediction of CEC.Keywords: Cation exchange capacity, Estimation, Pedotransfer functions., Fractal dimension
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.