پيش‌بيني ظرفيت تبادل كاتيوني خاك با استفاده از شبكه ‌عصبي‌ مصنوعي و رگرسيون چند متغيره در منطقه خضرآباد يزد

Prediction of Cation Exchange Capacity Using Artificial Neural Network and Multivariate Regression in Khezrabad Region

چكيده ارزيابي و طراحي سناريو هاي مختلف مديريتي احتياج به داشتن اطلاعات دقيق بانك اطلاعات خاك دارد، ظرفيت تبادل كاتيوني از پارامتر هاي مهم موجود در بانك اطلاعاتي خاك به حساب مي آيد. با توجه به مشكلات اندازه گيري مستقيم ظرفيت تبادل كاتيوني بخصوص در خاك هاي اريديسول ايران در سال هاي اخير از روش هاي غير مستقيم براي برآورد اين پارامتر استفاده مي شود. بدين منظور در اين تحقيق براي برآورد ظرفيت تبادل كاتيوني اقدام به نمونه برداري از منطقه خضرآباد از 12 پروفيل، به تعداد 40 نمونه گرديد. فراواني نسبي ذرات به روش هيدرومتري، كربن آلي به روش والكي و بلاك و ظرفيت تبادل كاتيوني به وسيله روش باور اندازه گيري شد. سپس با استفاده از روش هاي شبكه عصبي مصنوعي، رگرسيون چند متغيره و چند تابع تجربي و با استفاده از پارامترهاي درصد رس، شن، سيلت و كربن آلي اقدام به تخمين پارامتر مورد نظر گرديد. در ابتدا پارامترهاي هر يك از مدل ها را تعيين كرده و در مرحله بعد اقدام به برآورد پارامتر مورد نظر گرديد. در نهايت در اين تحقيق با توجه به وجود روابط خطي مابين ورودي ها و خروجي ها شبكه عصبي عملكرد بهتري نسبت به مدل رگرسيون پايه داشته است. ساير مدل هاي رگرسيون پايه با توجه به نوع ورودي ها و ضرايب آنها عملكرد متفاوتي از خود نشان داده به طوري كه در بين اين مدل ها، مدلي كه نسبت به ساير مدل ها با توجه به معيارهاي ارزيابي مورد استفاده (RMSE، AARE) برتري قاطعي داشته باشد، وجود نداشته است. در كل نتايج اين تحقيق نشان دهنده اهميت فرآيند آموزش در تعيين پارامترهاي مدل با استفاده از داده هاي يك منطقه مي باشد.