پيش‌بيني ميزان سرب خاك با استفاده از خصوصيات زوديافت براساس مدل شبكه عصبي مصنوعي

افزايش توليد آلاينده‌ها از جمله فلزات سنگين يكي از مشكلات جدي و در حال گسترش جامعه بشري است. آلودگي به فلزات سنگين نه‌تنها بر خصوصيات فيزيكي و شيميايي خاك تأثيرگذار است، بلكه براي سلامتي انسان از طريق ورود به چرخه غذايي و نفوذ به آب‌هاي زيرزميني خطرناك است. مطالعه حاضر با هدف پيش‌بيني ميزان سرب خاك به‌عنوان يكي از مهم‌ترين فلزات سنگين با استفاده از خصوصيات زود يافت خاك به كمك مدل شبكه عصبي مصنوعي انجام شد. بدين منظور 63 نمونه از عمق صفر تا 30 سانتي‌متر خاك‌هاي مختلف واقع در حاشيه رودخانه كشف‌رود در شمال شهرستان مشهد برداشته شد. پارامترهاي pH، هدايت الكتريكي، فراواني نسبي ذرات، كربن آلي و سرب خاك اندازه‌گيري شدند. مدل شبكه عصبي مصنوعي نوع پرسپترون چندلايه براي پيش‌بيني غلظت سرب خاك مورداستفاده قرار گرفت. ارزيابي مدل با استفاده از پارامترهاي آماري مانند ضريب تبيين (R2)، ميانگين خطاي مطلق (MAE) و همچنين مجذور ميانگين مربعات خطا (RMSE) انجام شد. نتايج نشان داد كه كارايي مدل شبكه عصبي مصنوعي مناسب است و مي‌تواند به‌عنوان روشي دقيق جهت جايگزين شدن با روش پرهزينه و زمان‌بر اندازه‌گيري مستقيم آزمايشگاهي اين فلز سنگين در خاك مورداستفاده قرار گيرد.