Evaluation Of Estimation Performance For Soil Moisture Using Particle Swarm Optimization And Artificial Neural Network

Abstract

Soil plays a vital role in the climate system. This paper performs a hybrid method that comprises particle swarm optimization (PSO) and artificial neural network (ANN) to estimate soil moisture (SM) by considering different parameters that include air temperature, time, relative humidity and soil temperature. Besides, this paper investigates the effects of the parameters of PSOANN by using from the response surface. PSO algorithm involves changing the weights of ANN. Paper chooses the coefficient of determination and mean absolute error to measure the performance of the performed hybrid PSO-ANN. The numerical results show that hybrid PSO-ANN is applied to estimate SM successfully

Toprak, iklim sisteminde hayati bir rol oynar. Bu makale, hava sıcaklığı, zaman, bağıl nem ve toprak sıcaklığını içeren farklı parametreleri göz önüne alarak toprağın nemini (TM) tahmin etmek için parçacık sürüsü optimizasyonundan (PSO) ve yapay sinir ağından (YSA) oluşan bir hibrit yöntem uygular. Ayrıca, bu makale tepki yüzeyinden yararlanarak PSO-ANN parametrelerinin etkilerini araştırmaktadır. PSO algoritması, YSA'nın ağırlıklarını değiştirme sürecinde yer almaktadır. Korelasyon katsayısı ve ortalama mutlak hata, uygulanan hibrit PSO-ANN'nin performansını ölçmek için seçilmiştir. Sayısal sonuçlar, PSO-ANN hibritinin TM'yi başarılı bir şekilde tahmin etmek için uygulandığını göstermektedir.