کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8846028 1617365 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A depth-resolved artificial neural network model of marine phytoplankton primary production
ترجمه فارسی عنوان
یک مدل شبکه عصبی مصنوعی عمیق تولید اولیه تولید فیتوپلانکتون دریایی
کلمات کلیدی
فیتوپلانکتون دریایی، محصول اولیه، شبکه های عصبی مصنوعی، مدل عمیق حل و فصل،
ترجمه چکیده
اندازه گیری این فرایند هر دو گران و وقت گیر است. بنابراین، روش های غیر مستقیم، که می توانند تولید اولیه اولیه فیتوپلانکتون را با استفاده از اطلاعات پیش بینی شده از راه دور برآورد کنند، دارای مزایای فراوانی هستند. ما توسعه یک مدل عمیق حل شده بر اساس شبکه عصبی مصنوعی برای تخمینی تولید اولیه فیتوپلانکتون جهانی را توصیف می کنیم. علاوه بر این، به منظور ارزیابی اهمیت نسبی متغیرهای پیش بینی شده، دو رویکرد متفاوت بر مبنای تجزیه و تحلیل تحرک ورودی و وزنهای اتصال استفاده شده است. در نهایت، ما نتایج مدل عمیق حل شده ما را با یک راه حل قبلی عمق یکپارچه مقایسه کردیم که نشان می دهد که از طریق عمق رزولوشن نه تنها اطلاعات مفیدی را در مورد توزیع عمودی تولید اولیه تخمینی به دست آورد بلکه دقت بیشتری در آن به دست آورد برآورد عمق یکپارچه
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
چکیده انگلیسی
The measurement of this process is both expensive and time consuming. Therefore, indirect methods, which can estimate phytoplankton primary production using only remotely sensed predictive information, have many advantages. We describe the development of a depth-resolved model based on an Artificial Neural Network for estimating global phytoplankton primary production. Furthermore, we applied two different approaches, based on input perturbation analysis and on connection weights, to assess the relative importance of the predictive variables. Finally, we compared the results of our depth-resolved model with a previous depth-integrated solution, showing that through the depth-resolution we gained not only useful information on the vertical distribution of the estimated primary production, but also an enhanced accuracy in its depth-integrated estimates.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Modelling - Volume 382, 24 August 2018, Pages 51-62
نویسندگان
, , ,