برآورد میزان غلظت کادمیوم خاک با استفاده از مدل‌های ANN و ANFIS

Abstract

بررسی سطوح آلودگی خاک به فلزات سنگین مانند میزان کادمیوم خاک برای سلامتی انسان و مدیریت محیط‌زیست انسان مهم و ضروری است. با توجه به این­که اندازه­گیری مستقیم کادمیوم خاک زمان‌بر و هزینه­بر است، در این پژوهش، از دو روش هوشمند مصنوعی شامل مدل شبکۀ عصبی مصنوعی (ANN) و شبکۀ عصبی فازی تطبیقی (ANFIS) برای تخمین میزان کادمیوم خاک به‌عنوان یکی از خطرناک‌ترین فلزات سنگین استفاده شد. برای برآورد میزان غلظت کادمیوم خاک از عناصر زود یافت خاک مانند درصد سیلت، شن، کربن آلی، pH، EC، T.N و P به‌عنوان پارامترهای ورودی به مدل استفاده شد و از طریق دو مدل ANN و ANFIS ارتباط میان پارامترهای مذکور و میزان غلظت کادمیوم برقرار گردید. برای آموزش و صحت سنجی مدل­های مذکور از 250 نمونه خاک که از خاک‌های استان گیلان گرفته شد، استفاده شد. ارزیابی مدل­ها با استفاده از پارامترهای آماری مانند ضریب تبیین (R²)، میانگین خطای مطلق (MAE)، مجــذور میــانگین مربعــات خطــا (RMSE) انجام شد. نتایج به‌دست‌آمده نشان داد مدل شبکۀ عصبی مصنوعی با ضریب تبیین (R²) 83/0 و همچنین مجذور میانگین مربعات خطا (RMSE) 01/1 و میانگین خطای مطلق (MAE) برابر 54/0 روش مناسب‌تری نسبت به شبکۀ عصبی فازی تطبیقی است. همچنین نتایج آنالیز حساسیت پارامترهای ورودی به مدل­ها نشان داد درصد کربن آلی و EC خاک به ترتیب بیشترین و کمترین تأثیرگذاری را بر میزان کادمیوم دارند. مدل پیشنهادی می‌تواند برای برآورد میزان غلظت کادمیوم خاک در سایر نقاط در محدودۀ موردمطالعه که اندازه­گیری غلظت کادمیوم خاک انجام نشده است و همچنین برای سایر مناطق با داشتن شرایط مشابه مورد استفاده قرار گیرد.