بررسي عملكرد روش هاي داده مبنا در تخمين نقاط مهم رطوبتي در منطقه شاهرود

آگاهي از نقاط مهم رطوبتي، براي مطالعه­ هاي آبياري در مزرعه بسيار ضروري مي­باشد اما اندازه ­گيري اين اطلاعات به روش مستقيم بسيار پرهزينه و وقت­گير است. روش­هاي داده مبنا مي­توانند روش مناسبي براي تخمين اين پارامترها باشد. تحقيق حاضر به برآورد نقاط مهم رطوبتي شامل ظرفيت زراعي و نقطه پژمردگي دايم به­وسيله پارامترهاي زوديافت با سه روش شبكه عصبي، رگرسيون خطي چندمتغيره و رگرسيون بردار پشتيبان در منطقه شاهرود پرداخته است. پس از نرمال­سازي داده­هاي مورد نظر جدول ضريب ­همبستگي متغيرهاي ­ورودي­ احتمالي با خروجي­هاي مورد نظر تشكيل شد و معني­داري همبستگي متغيرهاي­ ورودي و خروجي از نظر آماري بررسي‌گرديد. سپس، مدل­سازي با روش­هاي مذكور انجام و نتايج مورد ارزيابي قرار گرفت. نتايج نشان داد كه روش رگرسيون بردار پشتيبان كارايي بهتري نسبت به دو روش ديگر دارد. مقادير ضريب تعيين، انحراف جذر ميانگين مربعات خطا و ريشه ميانگين مربعات خطا نرمال­شده در بهترين مدل رگرسيون بردار پشتيبان­، به­ترتيب برابر 85/0 ، 12/3 و 89/12 براي ظرفيت زراعي و 83/0 ، 58/1و 84/14 براي نقطه پژمردگي دايم و براي شبكه­هاي عصبي مقادير 72/0 ، 48/3 و 36/14 براي ظرفيت زراعي و 75/0 ، 90/1 و 91/17 براي نقطه پژمردگي به­دست آمد. با توجه به بررسي­هاي صورت­گرفته در اين تحقيق، مي­توان بيان نمود كه مدل­هاي رگرسيون بردار پشتيبان با تابع كرنل خطي پايه شعاعي قادر خواهند بود با خطا­ي پايين و ضريب تعيين بالا نقاط مهم رطوبتي خاك را پيش­بيني كنند و همچنين مي­توانند جايگزين بسيار خوبي براي روش­هاي سنتي هم­چون شبكه­هاي عصبي و رگرسيون خطي باشند.