مقایسه شبکه‌های ‌عصبی ‌مصنوعی و توابع انتقالی رگرسیونی برای تخمین ظرفیت تبادل ‌کاتیونی خاک در شمال غرب ایران

Abstract

ظرفیت تبادل کاتیونی خاک میزان بار مثبتی است که در واحد جرم خاک قابل تبادل است. مدل‌سازی و تخمین ظرفیت تبادل کاتیونی شاخصی مفید از حاصلخیزی خاک می‌باشد. ارزیابی و طراحی سناریو‌های مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد. بدین منظور برای برآورد ظرفیت تبادل ‌کاتیونی خاک، 32 نیمرخ در دشت تبریز حفر گردید و جهت انجام آزمایش­های فیزیکی و شیمیایی مانند توزیع اندازه ذرات، کربن آلی، pH و ظرفیت تبادل کاتیونی خاک، 131 نمونه خاک از عمق­های مختلف جمع­آوری گردید. سپس 7 مدل رگرسیونی که بر­اساس مطالعات پیشین انتخاب شده بودند برای منطقه مورد مطالعه کالیبره شده و مورد ارزیابی قرار گرفتند. همچنین بر اساس ضرایب موجود در مدل­های رگرسیونی، 7 معماری متفاوت شبکه‌های عصبی مصنوعی جهت پیش‌بینی ظرفیت تبادل کاتیونی خاک طراحی گردید و نتایج حاصل از شبکه‌های عصبی مصنوعی و مدل‌های رگرسیونی چند متغیره با استفاده از پارامترهای ضریب همبستگی (R2)، جذر میانگین مربعات خطا (RMSE) و شیب بهترین معادله خط برازش داده شده بین نقاط پیش‌بینی و اندازه‌گیری شده (a) مورد ارزیابی قرار گرفت. نتایج نشان داد که معماری طراحی شده با شبکه عصبی مصنوعی با ضریب تبیین 86/0، RMSE برابر با 14/2 و شیب خط برابر با 87/0دارای کارایی بالاتری بود که احتمالاً به دلیل وجود روابط غیر خطی میان ویژگی های زودیافت خاک (متغیرهای مستقل) و ظرفیت تبادل کاتیونی (متغیر وابسته) بود.