అమెరికన్ జర్నల్ ఆఫ్ డ్రగ్ డెలివరీ అండ్ థెరప్యూటిక్స్ అందరికి ప్రవేశం

నైరూప్య

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టెక్నిక్ ఉపయోగించి ల్యాండ్ లెవలింగ్‌లో పర్యావరణ సూచికల అంచనా

ఇషామ్ అల్జౌబ్

వ్యవసాయ మరియు ఇతర ప్రయోజనాల కోసం నేల తయారీలో భూమిని చదును చేయడం చాలా ముఖ్యమైన దశలలో ఒకటి. . ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్, ఇంటిగ్రేటింగ్ ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ మరియు ఇంపీరియలిస్ట్ కాంపిటేటివ్ అల్గారిథమ్ (ICA-ANN), లేదా జెనెటిక్ అల్గారిథమ్స్ (GA-ANN), లేదా పార్టికల్ స్వార్మ్ ఆప్టిమైజేషన్ (PSO-ANN) వంటి కృత్రిమ మేధస్సు ఆధారంగా కొత్త పద్ధతులు ఉపయోగించబడ్డాయి. శక్తి సంబంధిత పారామితులను అంచనా వేయడానికి ప్రిడిక్టివ్ మోడల్‌లు మరియు ఫలితాలు SPSSతో పోల్చబడ్డాయి మరియు సున్నితత్వ విశ్లేషణ ఫలితాలు. ఈ అధ్యయనంలో, కట్/ఫిల్ వాల్యూమ్, కంప్రెసిబిలిటీ ఫ్యాక్టర్, నిర్దిష్ట గురుత్వాకర్షణ, తేమ శాతం, ప్రాంతం యొక్క వాలు, ఇసుక శాతం మరియు వాపు సూచిక వంటి అనేక నేల లక్షణాలను కొలుస్తారు మరియు శక్తి వినియోగంపై వాటి ప్రభావాలను పరిశోధించారు. 20m×20m గ్రిడ్ పరిమాణం ద్వారా 3 భూ ప్రాంతాల నుండి మొత్తం 90 నమూనాలను సేకరించారు. ఈ పని యొక్క లక్ష్యం భూమి లెవలింగ్ యొక్క పర్యావరణ సూచికలను అంచనా వేయడానికి కృత్రిమ మేధస్సు పద్ధతుల ఆధారంగా అంచనా నమూనాలను అభివృద్ధి చేయడం. సున్నితత్వ విశ్లేషణ యొక్క ఫలితాలు కేవలం మూడు పారామితులు మట్టి సాంద్రత, నేల సంపీడనత మరియు మట్టి కట్/ఫిల్ వాల్యూమ్‌తో కూడిన శక్తి వినియోగంపై అర్ధవంతమైన ప్రభావాలను కలిగి ఉన్నాయని వివరించాయి. ప్రతిపాదిత పద్ధతులలో, పర్యావరణ శక్తి పారామితులను అంచనా వేయడంలో GA-ANN అత్యంత సామర్థ్యాన్ని కలిగి ఉంది. అయినప్పటికీ, LE మరియు FEల అంచనా కోసం ANN మరియు ICA-ANN అల్గారిథమ్‌లు మెరుగైన పనితీరును కలిగి ఉన్నాయి. మరోవైపు, SPSS సాఫ్ట్‌వేర్ మినిటాబ్ సాఫ్ట్‌వేర్ మరియు సున్నితత్వ విశ్లేషణ కంటే ఎక్కువ R 2 విలువను కలిగి ఉంది మరియు వాస్తవానికి ANN విలువలకు దగ్గరగా ఉంటుంది. కీవర్డ్లు: శక్తి; సామ్రాజ్యవాద పోటీ అల్గోరిథం; సున్నితత్వ విశ్లేషణ; ANN; భూమి లెవలింగ్; పర్యావరణ సూచికలు.