Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Hypercomplex Algebras as Unified Language for Image Processing and Pattern Recognition Part 1. Cliffordean Models of Multichannel Images Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

11. Artificial Neural Networks as an Interpolation Method for Estimation of Chemical Element Contents in the Soil

verfasst von : A. Buevich, A. Sergeev, D. Tarasov, A. Medvedev

Erschienen in: Advances in Information Technologies, Telecommunication, and Radioelectronics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The work deals with the application of artificial neural networks (ANN) to the estimation of the surface distribution of chemical elements in the soil. For the study, a square area with a side of 1 m was chosen far from the sources of pollution. In this area, 100 cores of topsoil (0.05 m deep) were sampled. The specimens were analysed by the X-ray fluorescence spectrometer Innov X 5000. The best ANN structure for estimation of the surface distribution of chemical elements in the soil was selected after computer simulation. Comparison of concentration values of the chemical elements surface distribution in the soil made by the ANN with known values showed that a trained ANN gives prediction models comparable in accuracy with other methods as an interpolator and as the forecast method, as well.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Application of the Process Parameters Analysis Tree for the Melting Process Stability Control
Nächstes Kapitel Five-Module Concept of Modernization of Urban Passenger Transport Management
Literatur
1.
A.P. Sergeev, E.M. Baglaeva, A.V. Shichkin, Case of soil surface chromium anomaly of a northern urban. Atmos. Pollut. Res. 1, 44–49 (2010)CrossRef
2.
R. Webster, M. Oliver, Geostatistics for Environmental Scientists. (Wiley, Chichester, 2001)
3.
X.M. Liu, K.L. Zhao, J.M. Xu, M.H. Zhan, B. Wang, F. Si, Spatial variability of soil organic matter and nutrients in paddy fields at various scales in southeast China. Environ. Geol. 53, 1139–1147 (2008)CrossRef
4.
L. Worsham, D. Markewitz, N. Nibbelink, Incorporating spatial dependence into estimates of soil carbon contents under different land covers. Soil Sci. Soc. Am. J. 74, 635–646 (2010)CrossRef
5.
L. Zelin, P. Changhui, W. Xiang et al., Application of artificial neural networks in global climate change and ecological research. Chin. Sci. Bull. 55, 3853–3863 (2010)CrossRef
6.
R. Shaker, L. Tofan, M. Bucur et al., Network modelling approach applied to dobrogea, Romania. J. Environ. Prot. Ecol. 11, 337–348 (2010)
7.
A.J. Tracey, J. Zhu, R.K. Crooks, Modeling and inference of animal movement using artificial neural networks. Environ. Ecol. Stat. 18, 393–410 (2011)MathSciNetCrossRef
8.
J.M. Watts, S.P. Worner, Comparing ensemble and cascaded neural networks that combine biotic and abiotic variables to predict insect species distribution. Ecol. Inf. 3, 354–366 (2008)CrossRef
9.
G.B. Sahoo, S.G. Schladow, J.E. Reuter, Forecasting stream water temperature using regression analysis, artificial neural network, and chaotic non-linear dynamic models. J. Hydrol. 378, 325–342 (2009)CrossRef
10.
S. Helama, N.G. Makarenko, L.M. Karimova et al., Dendroclimatic transfer functions revisited: Little ice age and medieval warm period summer temperatures reconstructed using artificial neural networks and linear algorithms. Ann. Geophys. 27, 1097–1111 (2009)CrossRef
11.
R.C. Tosh, D.G. Ruxton, The need for stochastic replication of ecological neural networks. Philos. Trans. R. Soc Biol. Sci. 362, 455–460 (2007)CrossRef
12.
S.L. Ozesmi, C.O. Tan, U. Ozesmi, Methodological issues in building, training, and testing artificial neural networks in ecological applications, in 3rd Conference of the International-Society-for-Ecological-Informatics (ISEI), vol. 195 (Rome, Italy, 2006), pp. 83–93CrossRef
13.
M. Gevrey, I. Dimopoulos, S. Lek, Two-way interaction of input variables in the sensitivity analysis of neural network models, in 3rd Conference of the International-Society-for-Ecological-Informatics (ISEI), vol. 195 (Rome, Italy, 2006), pp. 43–50CrossRef
14.
D. Fuqiang, Z. Qigang, L. Zhiqiang, W. Xuemei, L. Gangcai, Spatial prediction of soil organic matter content integrating artificial neural network and ordinary kriging in Tibetan Plateau. Ecol. Ind. 45, 184–194 (2014)CrossRef
Metadaten
Titel
Artificial Neural Networks as an Interpolation Method for Estimation of Chemical Element Contents in the Soil
verfasst von
A. Buevich
A. Sergeev
D. Tarasov
A. Medvedev
Copyright-Jahr
2020
Buch
Advances in Information Technologies, Telecommunication, and Radioelectronics

Print ISBN: 978-3-030-37513-3

Electronic ISBN: 978-3-030-37514-0

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-37514-0_11

Neuer Inhalt

    Bildnachweise