برآورد نقطه ای منحنی مشخصه رطوبتی خاک با استفاده از شبکه عصبی مصنوعی و بهینه سازی آن با الگوریتم ژنتیک در کشت و صنعت های نیشکر خوزستان

Abstract

ویژگی­های هیدرولیکی خاک در مدیریت اراضی تحت کشت نیشکر نقش به سزایی دارد. هدف از این تحقیق برآورد نقطه­ای منحنی مشخصه­ی رطوبتی خاکبااستفاده شبکه­ی عصبی مصنوعیوبهینه­سازیآنبا الگوریتم ژنتیک می­باشد. به این منظور براساس ویژگی­های مدیریت اراضی، درصد مواد آلی، بافت خاک، هدایت الکتریکی و درصد سدیم جذب سطحی شده، 4 واحد کاری در کشت و صنعت­های دعبل خزاعی، امیر کبیر، کارون و هفت­تپه انتخاب شد. در مجموع تعداد 310 نمونه خاک از دو عمق 40-0 و 80-40 سانتی‏متری نیمرخ خاک به طور تصادفی برداشت گردید. در این پژوهش پنج مدل به شکل سلسله مراتبی به وسیله­ی شبکه­ی عصبی مصنوعی برای برآورد نقطه­ای منحنی مشخصه­ی رطوبتی خاکمورد پی­ریزی و ارزیابی قرار گرفت. جهت بررسی کارآیی مدل­ها از ضریب همبستگی اسپیرمن (R)، متوسط مربعات خطای نرمال شده (NMSE) و متوسط خطای مطلق (MAE) استفاده شد. از آن جا که انتخاب هر یک از پارامترهای متغیر شبکه­ی عصبی مستلزم آزمون و خطاهای مکرر و در نتیجه آموزش تعداد زیادی شبکه با ساختار مختلف بود، از روش الگوریتم ژنتیک برای بهینه­یابی این پارامترها استفاده شد و کارایی این روش در بهینه­سازی شبکه­ی عصبی بررسی گردید. نتایج نشان داد که شبکه­‏ی عصبی در مدل­سازی و برآورد نقطه­ای منحنی مشخصه­ی رطوبتی خاکاز دقت بالایی برخوردار است (054/0NMSE=، 019/0MAE=، 963/0R=). همچنین تلفیق شبکه‏ی عصبی با الگوریتم ژنتیک، جهت بهینه‏سازی شرایط اجرایی آن، مثبت ارزیابی گردید و روش تلفیقی در تمامی موارد برتری خود را نسبت به اجرای شبکه‏ی عصبی بدون بهینه‏سازی نشان داد (015/0NMSE=، 01/0MAE=، 985/0R=).