مقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش

گنجایش تبادل کاتیونی یکی از ویژگی های شیمیایی مهم خاک بوده که اندازه گیری آن بسیار پرهزینه و وقت گیر است. توابع انتقالی، می تواند راه کاری مناسب در برآورد این پارامتر به جای اندازه گیری مستقیم باشد. هدف از این تحقیق، توسعه چند تابع انتقالی مناسب برای برآورد گنجایش تبادل کاتیونی خاک های استان گیلان با استفاده از دو روش رگرسیون خطی چندگانه و شبکه عصبی مصنوعی و تاثیر گروه بندی خاک ها بر پایه کلاس های بافتی و کربن آلی بر بهبود توانایی برآورد گنجایش تبادل کاتیونی به وسیله دو روش بود. برای این تحقیق از ۱۶۶۲ داده مربوط به خاک های استان گیلان از بانک اطلاعات آزمایشگاه شیمی خاک موسسه تحقیقات برنج کشور استفاده شد. نتایج نشان داد که کربن آلی مهم ترین متغیر در برآورد گنجایش تبادل کاتیونی در کل داده ها و کلیه کلاس های بافتی و کربن آلی در هر دو روش رگرسیون و شبکه عصبی بوده است. شبکه عصبی مصنوعی نسبت به روش رگرسیون در برآورد گنجایش تبادل کاتیونی در کل داده ها، کارایی بهتری داشت و گروه بندی داده ها تنها در کلاس های بافتی شن و شنی رسی لومی در روش شبکه عصبی مصنوعی، موجب بهبود محسوس پیش بینی ها نسبت به کل داده ها شد.

کلیدواژه ها:

Cation exchange capacity ، Pedotransfer functions ، Artificial neutral network ، Regression ، Soil properties ، گنجایش تبادل کاتیونی ، توابع انتقالی ، شبکه عصبی مصنوعی ، رگرسیون ، ویژگی های خاک