پيش‌بيني بافت خاك با استفاده از شبكه‌هاي عصبي مصنوعي

بافت خاك يكي از مهم ترين ويژگي‌هاي خاك است كه بر روي بسياري از خصوصيات فيزيكي و شيميايي مانند ظرفيت نگهداري آب، ظرفيت تبادل كاتيوني، حاصلخيزي خاك و تهويه خاك اثر مي گذارد. امروزه از فناوري هوش مصنوعي مانند شبكه هاي عصبي و عصبي فازي براي حل مسائل مربوط به مدل سازي سيستم ها و فرآيند ها استفاده مي شود. در اين پژوهش كارآيي شبكه‌هاي عصبي مصنوعي در پيش‌بيني بافت خاك بررسي شد. بدين منظور 150 نمونه خاك از عمق 15 0 سانتي‌متري از حوزه آبخيز سد گاوشان در استان كردستان جمع آوري گرديد. موقعيت جغرافيايي، ارتفاع و درصد شيب در هر نقطه ثبت شد. بافت خاك در آزمايشگاه به‌روش هيدرومتري اندازه‌گيري شد. با استفاده از شبكه‌هاي عصبي مصنوعي رابطه بين طول و عرض جغرافيايي، ارتفاع و شيب و درصد هر كدام از گروه‌هاي ذرات خاك با استفاده از نرم‌افزار MATLAB به‌دست آمد. دقت شبكه ساخته شده با استفاده از شاخص‌هاي آماري مانند شاخص ريشه ميانگين مربعات خطا (RMSE)، شاخص نسبت خطاي متوسط هندسي (GMER) و ضريب همبستگي (R) ارزيابي گرديد. نتايج به‌دست آمده نشان داد كه كارآيي روش استفاده شده براي برآورد مقدار شن و رس خاك نسبتاً يكسان و براي برآورد مقدار سيلت كم‌تر بود؛ با اين حال در سطح برآورد بافت خاك روش استفاده شده از كارآيي بالايي برخوردار نبود.