مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیش‏بینی شوری خاک (مطالعه موردی: شهرستان اردکان)

Abstract

در سال‌های اخیر از روش‌های غیرمستقیم برای برآورد شوری خاک استفاده می‏شود. بدین منظور، در این پژوهش ششصد نمونة جمع‏آوری‌شده از منطقة اردکان آزمایش شد و قرائت‌های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگی‌های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی‌متری به عنوان ویژگی‌های دیریافت تخمین زده شد. در این زمینه، داده‏ها به دو سری تقسیم شد: سری آموزشی (80% داده‏ها)؛ سری ارزیابی (20% داده‏ها). به منظور مدل‏سازی و پیش‏بینی شوری، از مدل‌های نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدل‏ها ـ بر اساس شاخص‌های ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیش‏بینی ویژگی‌های خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیش‏بینی شوری را، به‌ترتیب، در اعماق 30 و 100 سانتی‏متری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکه‌های عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.