ارزيابي كارايي برخي روش هاي هوش مصنوعي در مدل سازي فرسايش پذيري بادي خاك در بخشي از اراضي شرق درياچه اروميه

Evaluating Efficiency of Some Artificial Intelligence Techniques for Modeling Soil Wind Erodibility in Part of Eastern Land of Urmia Lake

پيش بيني فرسايش پذيري بادي از طريق ويژگي هاي خاك به عنوان گامي اساسي در مدل سازي فرسايش بادي محسوب مي شود. اين پژوهش با هدف مقايسه كارايي چهار روش مختلف شامل رگرسيون خطي چندمتغيره، شبكه عصبي مصنوعي، شبكه عصبي مصنوعي هيبريدشده با الگوريتم ژنتيك و شبكه عصبي هيبريدشده با الگوريتم بهينه سازي وال در مدل سازي فرسايش پذيري بادي در بخشي از اراضي پيرامون شرقي درياچه اروميه انجام شد. براي اين منظور، 96 نمونه خاك به روش تصادفي نظارت شده جمع آوري و 32 ويژگي مختلف فيزيكي و شيميايي آن ها در آزمايشگاه تعيين شدند. همچنين فرسايش پذيري بادي نمونه ها نيز با استفاده از تونل باد تعيين گرديد. از ميان ويژگي هاي خاك، چهار ويژگي شامل فراواني ذرات ثانويه 0/1 تا 0/25 ميلي متري، فراواني ذرات ثانويه 1/7 تا 2 ميلي متري، فراواني ذرات شن ريز و محتواي كربن آلي از طريق رگرسيون گام به گام به عنوان ورودي مدل هاي پيش بيني فرسايش پذيري، انتخاب شدند. نتايج نشان داد كه مدل شبكه عصبي هيبريدشده با الگوريتم بهينه سازي وال با توجه به كمترين مقادير ميانگين خطا (0/11-) و جذر ميانگين مربعات خطا (9/2 و بيشترين مقادير ضريب تبيين (0/87) و ضريب كارايي نش-ساتكليف (0/87) از كارايي مطلوب تري در پيش بيني فرسايش پذيري بادي خاك هاي منطقه برخوردار است و پس از آن روش هاي شبكه عصبي مصنوعي هيبريد شده با الگوريتم ژنتيك، شبكه عصبي مصنوعي و رگرسيون خطي چندمتغيره به ترتيب در رتبه هاي بعدي قرار داشتند. در مجموع با توجه به كارايي قابل قبول مدل شبكه عصبي هيبريدشده با الگوريتم بهينه سازي وال در پيش بيني فرسايش پذيري بادي، استفاده از اين روش براي تعيين سريع و دقيق فرسايش پذيري خاك هاي منطقه توصيه مي شود.

Prediction of soil wind erodibility through soil characteristics is an important aspect for modeling soil wind erosion. This study was conducted to compare the efficiency of multiple linear regression (MLR), artificial neural network (MLP), artificial neural network based on genetic algorithm (MLP-GA) and artificial neural network based on whale optimization algorithm (MLP-WOA) for prediction of soil wind erodibility in part of eastern land of Urmia Lake. In this research, 96 soil samples were collected based on a stratified random sampling method and their physicochemical properties were measured. Additionally, the wind erodibility of soil samples was measured using a wind tunnel. Among the 32 measured soil properties, four properties including the percentages of fine sand, size classes of 1.7-2.0, and 0.1-0.25 mm (secondary particles) and organic carbon were selected as the model inputs by stepwise regression. Result showed that the MLP-WOA was the most effective method for predicting soil wind erodibility in the study area regarding to the lowest RMSE (2.9) and ME (-0.11), and the highest R2 (0.87) and NSE (0.87) values; followed by MLP-GA, MLP, and MLR. Considering the high efficiency of MLP-WOA, This method can be used as a promising method for determination of soil wind erodibility in the study area.