Estimation of soil aggregate stability indices using artificial neural network ‎and multiple linear regression models

• Autores: Maryam Marashi, Ali Mohammadi Torkashvand, Abbas Ahmadi, Mehrdad Esfandyari
• Localización: Spanish Journal of Soil Science: SJSS, ISSN-e 2253-6574, Vol. 7, Nº. 2, 2017, págs. 122-132
• Idioma: inglés
• Títulos paralelos:
  • Estimativa de índices de estabilidade de agregados do solo usando redes neuronais artificiais e modelos de regressão linear múltipla
  • Estimación de índices de estabilidad de agregados de suelo mediante redes neuronales artificiales y modelos de regresión múltiple linear
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Durante las últimas décadas se ha utilizado un sistema de inteligencia artificial para desarrollar funciones de pedotransferencia (PTFs) que permiten estimar las propiedades del suelo. En este trabajo se evaluó la capacidad del modelo de regresión múltiple linear (MLR) y de las redes neuronales artificiales (ANNs) para desarrollar PTFs que permitan estimar el diámetro medio ponderado (MWD) a partir de propiedades rutinarias del suelo (P1) y de la combinación de propiedades rutinarias del suelo y agregados de dimension fractal (P2). Los resultados mostraron que el modelo ANN para estimar el MWD es más exacto que el modelo MLR. La aplicación de la dimensión fractal de los agregados como herramienta de predicción en ambos métodos mejoró la exactitud de las PTFs.

  • English

    During recent decades, an artificial intelligence system has been used for developing the pedotransfer functions (PTFs) for estimation of soil properties. In the present study, the capabilities of multiple linear regression (MLR) and artificial neural networks (ANNs) in developing PTFs for estimating mean weight diameter (MWD) from routine soil properties (P1) and combination of routine soil properties and fractal dimension of aggregates (P2) were evaluated. The results showed that the ANN model for estimating MWD is more accurate than the MLR model. Application of fractal dimension of aggregates as a predictor in both methods improved the accuracy of PTFs.

  • português

    Durante as últimas décadas, tem sido usado um sistema de inteligência artificial para desenvolver funções de pedotransferência (PTFs) que permitam estimar as propriedades do solo. Neste estudo, foram avaliadas as capacidades do modelo de regressão linear múltipla (MLR) e das redes neuronais artificiais (ANNs) para o desenvolvimento de PTFs que permitam estimar o diâmetro ponderado médio (MWD) a partir das propriedades clássicas do solo (P1) e da combinação destas propriedades do solo e da dimensão fractal dos agregados (P2). Os resultados mostraram que o modelo ANN para estimar o MWD é mais exato que o modelo MLR. A aplicação da dimensão fractal dos agregados em ambos os métodos melhorou a precisão dos PTFs.