Predicting soil productivity resulted from organic matter addition by using neural networks

Other Title(s)

التنبؤ بإنتاجية التربة نتيجة إضافة المواد العضوية باستخدام الشبكات العصبية

Author

Bulus, Diya Said Munir

Source

Alexandria Science Exchange Journal

Issue

Vol. 41, Issue 4 (31 Dec. 2020), pp.435-445, 11 p.

Publisher

Alexandria University Faculty of Agriculture Prof Dr. A. M. Balba Society for Soil and Water Research

Publication Date

2020-12-31

Country of Publication

Egypt

No. of Pages

11

Main Subjects

Earth Sciences, Water and Environment

Topics

Abstract AR

أستخدام نموذج الشبكات العصبية الاصطناعية (ANN) للتنبؤ ببعض خواص التربة الطبيعية (الكثافة الظاهرية الماء الميسر معدل الرشح) و انتاجية التربة من السبانخ و كفاءة استخدام المياه.

تم استخدام ثلاث انواع مختلفة من المادة العضوية (مخلفات المدن مخلفات المزرعة الكمبوست) بثلاث معدلات اضافة (10 15 20 طن/فدان) لكل معاملة.

استخدمت الشبكة العصبية الاصطناعية متعددة الطبقات ذات التغذية الامامية حيث تتكون من 8 عصبونات في طبقة المدخلات 10 عصبونات في الطبقة المختفية الاولى 20 عصبونات في الطبقة المختفية الثانية و 5 عصبونات في طبقة المخرجات وتم تدريبها بطريقة التعليم الخلفية.

تم تعليم و تدريب و اختبار الشبكة العصبية الاصطناعية بمشاهدات من الدرسات السابقة (668 مشاهدة للتدريب و 223 مشاهدة للاختبار).

كانت المدخلات للشبكة العصبية الاصطناعية هى (نسبة الرمل نسبة السلت نسبة الطين مخلفات المدن مخلفات المزرعة الكمبوست ملوحة مياه الرى كمية المياه المضافة).

و كانت مخرجات الشبكة العصبية الاصطناعية هى (الكثافة الظاهرية الماء الميسر معدل الرشح انتاجية التربة من السبانخ كفاءة استخدام المياه).

تم التحقق من كفاءة الشبكة العصبية الاصطناعية في التنبؤ باستخدام بيانات التجربة الحقلية التى اجريت في منطقة السادات بمحافظة المنوفية (بيانات لم يسبق للشبكة العصبية الاصطناعية التعرض لها من قبل) وذلك باستخدام جذر متوسط الخطأ التربيعى و معامل الا رتباط.

و كانت قيم جذر متوسط الخطأ التربيعى بين القيم المقاسة من التجربة الحقلية و القيم المتنبأ بها من الشبكة العصبية الاصطناعية لكلا من الكثافة الظاهرية الماء الميسر معدل الرشح انتاجية التربة من السبانخ كفاءة استخدام المياه كانت 0.00909 ميجاجرام/م3 0.10528% 0.23878 مم/ساعة 14.28973 كجم/فدان 0.26762 كجم/م3.

بينما كان معامل الارتباط يساوى 0.99955 0.99947 0.99902 0.99998 0.96883 على الترتيب.

يشير معامل الارتباط المرتفع للمخرجات الى التنبؤ الممتاز للشبكة العصبية الاصطناعية للقيم التى لم يسبق للشبكة التعرض لها من قبل.

Abstract EN

Artificial neural networks (ANN) model is used for predicting some soil physical properties [soil bulk density (Bd), available water (AW), infiltration rate (I)], soil spinach productivity (Pro) and water use efficiency (WUE) under three different types of organic matter [Town refuse (TR), Farmyard manure (FYM) and Compost (COM)] with three rates [10, 15 and 20 ton/fed] for each treatment.

Multilayer feedforward ANN with 8 neurons in input layer, 10 and 20 neurons for first and second hidden layers respectively and 5 neurons in output layer was trained using a backpropagation learning algorithm.

The ANN model was trained with data collected from previous literatures (668 observations for training and 223 observations for testing).

The model inputs were [Sand (S), Silt (Si), Clay (C), Town refuse (TR), Farmyard manure (FYM), Compost (COM), Electrical conductivity of irrigation water (EC) and Irrigation applied water (IR)].

The model outputs were [soil bulk density (Bd), available water (AW), infiltration rate (I), soil spinach productivity (Pro) and water use efficiency (WUE)].

Verification of the ANN model in prediction was done using field experimental data which carried out in El Sadat City (Data that ANN model has never seen before).

Root mean square error (RMSE) and correlation coefficient (R2) were used to evaluate the ANN model.

Validation and testing for the ANN model were done after careful and extensive training.

The RMSE between measured and predicted values for soil bulk density (Bd), available water (AW), infiltration rate (I), soil spinach productivity (Pro) and water use efficiency (WUE) were 0.00909 Mg/m3, 0.10528 % , 0.23878 mm/h, 14.28973 kg/fed and 0.26762 kg/m3.

While the R2 were equal to 0.99955, 0.99947, 0.99902, 0.99998 and 0.96883 respectively.

The high R2 for output parameters recall indicated for excellent prediction of the ANN model for the data has never seen before.


American Psychological Association (APA)

Bulus, Diya Said Munir. 2020. Predicting soil productivity resulted from organic matter addition by using neural networks. Alexandria Science Exchange Journal،Vol. 41, no. 4, pp.435-445.
https://search.emarefa.net/detail/BIM-1103085

Modern Language Association (MLA)

Bulus, Diya Said Munir. Predicting soil productivity resulted from organic matter addition by using neural networks. Alexandria Science Exchange Journal Vol. 41, no. 4 (Oct. / Dec. 2020), pp.435-445.
https://search.emarefa.net/detail/BIM-1103085

American Medical Association (AMA)

Bulus, Diya Said Munir. Predicting soil productivity resulted from organic matter addition by using neural networks. Alexandria Science Exchange Journal. 2020. Vol. 41, no. 4, pp.435-445.
https://search.emarefa.net/detail/BIM-1103085

Data Type

Journal Articles

Language

English

Notes

-

Record ID

BIM-1103085