مقايسه مدل هاي ” رگراسيون چند متغيره تطبيقي ” و ” شبكه هاي عصبي مصنوعي ” در پيش بيني آب قابل جذب گياه

[ جواد گيوي ] - عضو هيئت علمي گروه خاكشناسي دانشكده كشاورزي دانشگاه شهركرد
[ شيو پراشر ] - گروه مهندسي منابع زيستي دانشكده كشاورزي دانشگاه مك گيل، استان كبك، كانادا

خلاصه مقاله:

استفاده از كيفيت اراضي ( مثل آب قابل استفاده گياه ) به جاي مشخصات اراضي ( مثل بافت، مواد آلي و غيره ) ، در ارزيابي تناسب اراضي، نتايج بهتري را عايد خواهد كرد . اندازه گيري كيفيت اراضي مشكل تر از اندازه گيري مشخصات اراضي است (5) يكي از خصوصيات خاك كه در اين مطالعه مورد بحث قرار گرفته است، آب قابل جذب گياه مي باشد . به خاطر وقت گير بودن و پر هزينه بودن اندازه گيري مستقيم آب قابل جذب گياه، در بعضي از موارد بهتر است تكنيك هائي را براي پيش بيني آن بكار برد (6) مواردي كه پيش بيني آب قابل جذب بر اندازه گيري آن ارجحيت دارد، عبارتند از (2) :
1 - در پيش بيني، خطاي جزئي ( كمتر از 10 درصد ) ، قابل قبول باشد،
2 -مشكل كمبود منابع مالي و وقت وجود داشته باشد،
3 -پروژه مطالعاتي، مقدماتي و اجمالي باشد،
4- منطقه مورد مطالعه بسيار وسيع و تغييرات آب قابل جذب در خاك آنقدر زياد باشد كه اندازهگيري مستقيم آن عملاً غير ممكن باشد .
يكي از تكنيك هائي كه از آن مي توان در پيش بيني آب قابل جذب گياه استفاده نمود، مدل هاي هوش مصنوعي Artificial Intelligence models (AI) ، از قبيل مدل رگرسيون چند متغيره تطبيقي Multi-variate Adaptive Regression Splines MARSو مدل شبكه هاي عصبي مصنوعي Artificial Neural Network (ANN) است (7).
هدف از اين مطالعه، مقايسه مدل هاي رگرسيون چند متغيره تطبيقي و شبكه هاي عصبي مصنوعي در پيش بيني آب قابل جذب گياه مي باشد .