استفاده از روش ها نوين براي تعيين ورودي هاي موثر در تخمين دماي خاك

در اين تحقيق تخمين دماي عمق 10 سانتي متري خاك ايستگاه سينوپتيك تبريز واقع در استان آذربايجان شرقي با استفاده از شبكه عصبي مصنوعي(ANN) و ماشين بردار پشتيان(SVM) انجام گرفته است. از دو روش تحليل مؤلفه اصلي(PCA) و آزمون گاما(GT) براي پيش‌پردازش داده‌ها و تعيين داده هاي ورودي استفاده گرديد . با توجه به نتايج، براي ايستگاه تبريز 3 متغير ورودي توسط آزمون گاما انتخاب شد. در روش تحليل مؤلفه‌هاي اصلي نيز براي ايستگاه سينوپتيك تبريز چهار مؤلفه اصلي انتخاب شده است. نتايج مدل‌سازي حاكي از اين است كه، مدل ماشين بردار پشتيان مبتني بر آزمون گاما ( GT-SVM ) با مجذور ميانگين مربعات خطاي 48/2 در جه سانتي گراد را مي توان به عنوان مدل‌ منتخب براي ايستگاه‌ مذكور انتخاب كرد. در نهايت با توجه به نتايج مي‌توان چنين نتيجه گرفت كه روش‌هاي استفاده شده پيش‌پردازش داده‌ها در اين تحقيق براي پيش‌بيني دماي خاك با يكديگر اختلاف چنداني ندارند و هر دو روش به‌خوبي عمل كرده اند. همچنين مدل SVM در تمام تخمين‌ها نسبت به مدل ANN عملكرد قابل قبول تري داشته است.