Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
1
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Prediction of soil physical properties by optimized support vector machines

100%
Besalatpour A., Hajabbasi M. A., Ayoubi S., Gharipour A., Jazi A. Y.
International Agrophysics
|
2012
|
tom 26
|
nr 2
The potential use of optimized support vector machines with simulated annealing algorithm in developing prediction functions for estimating soil aggregate stability and soil shear strength was evaluated. The predictive capabilities of support vector machines in comparison with traditional regression prediction functions were also studied. In results, the support vector machines achieved greater accuracy in predicting both soil shear strength and soil aggregate stability properties comparing to traditional multiple-linear regression. The coefficient of correlation (R) between the measured and predicted soil shear strength values using the support vector machine model was 0.98 while it was 0.52 using the multiple-linear regression model. Furthermore, a lower mean square error value of 0.06 obtained using the support vector machine model in prediction of soil shear strength as compared to the multiple-linear regression model. The ERROR% value for soil aggregate stability prediction using the multiple-linear regression model was 14.59% while a lower ERROR% value of 4.29% was observed for the support vector machine model. The mean square error values for soil aggregate stability prediction using the multiplelinear regression and support vector machine models were 0.001 and 0.012, respectively. It appears that utilization of optimized support vector machine approach with simulated annealing algorithm in developing soil property prediction functions could be a suitable alternative to commonly used regression methods.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.