مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری

آب و خاک

مقاله 9، دوره 23، شماره 4، آبان 1388   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.2486

نویسندگان

مجتبی معماریان فرد^* ؛ حبیب اله بیگی هرچگانی

دانشگاه شهرکرد

چکیده

چکیده
ظرفیت تبادل کاتیونی (CEC) یکی از مهمترین ویژگی های خاک در ارتباط با مواد غذایی، نگهداری آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CECکاری دشوار و وقت گیر است .بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این مطالعه، توابع انتقالی برای پیش بینی ظرفیت تبادل کاتیونی از خصوصیات اساسی خاک مانند توزیع اندازه ذرات، کربن آلی، درصد رطوبت اشباع و pH توسعه داده شد و با استفاده از روش‌های شبکه عصبی مصنوعی و رگرسیونی چند متغیره خطی ارزیابی شد و سپس توانایی پیش‌بینی این دو روش با استفاده از آماره‌های ارزیابی مقایسه شد. کل 200 نمونه خاک به دو دسته 165 تایی برای توسعه مدل و 35 تایی برای ارزیابی مدل تقسیم شدند. دقت پیش بینی بوسیله آماره های ضریب تعیین (R2) و ریشه دوم میانگین مربعات خطا (RMSE) بین CEC اندازه گیری و پیش بینی شده ارزیابی شد. نتایج نشان داد هنگامی که از شبکه عصبی با یک لایه پنهان و هفت نرون در این لایه و ماده آلی، درصد رطوبت اشباع ، درصد رس و شن به عنوان ورودی استفاده شد، CEC با 81/0 R2=و 05/3 RMSE=سانتی مول بر کیلوگرم خاک بهتر از دیگر مدل‌ها پیش بینی شد. مقادیر R2و RMSE به ترتیب از 66/0 تا 69/0 و از 69/4 تا 26/4 برای روش رگرسیونی، و از 78/0 تا 81/0 و 29/3 تا 05/3 برای شبکه عصبی متغیر بود. نتایج نشان داد که پیش بینی شبکه عصبی بهتر از تابع های رگرسیونی می‌باشد.

واژه های کلیدی شبکه های عصبی مصنوعی، ظرفیت تبادل کاتیونی، چهارمحال و بختیاری