بررسی عملکرد روش های داده مبنا در تخمین نقاط مهم رطوبتی در منطقه شاهرود

آگاهی از نقاط مهم رطوبتی، برای مطالعه­ های آبیاری در مزرعه بسیار ضروری می­باشد اما اندازه ­گیری این اطلاعات به روش مستقیم بسیار پرهزینه و وقت­گیر است. روش­های داده مبنا می­توانند روش مناسبی برای تخمین این پارامترها باشد. تحقیق حاضر به برآورد نقاط مهم رطوبتی شامل ظرفیت زراعی و نقطه پژمردگی دایم به­وسیله پارامترهای زودیافت با سه روش شبکه عصبی، رگرسیون خطی چندمتغیره و رگرسیون بردار پشتیبان در منطقه شاهرود پرداخته است. پس از نرمال­سازی داده­های مورد نظر جدول ضریب ­همبستگی متغیرهای ­ورودی­ احتمالی با خروجی­های مورد نظر تشکیل شد و معنی­داری همبستگی متغیرهای­ ورودی و خروجی از نظر آماری بررسی گردید. سپس، مدل­سازی با روش­های مذکور انجام و نتایج مورد ارزیابی قرار گرفت. نتایج نشان داد که روش رگرسیون بردار پشتیبان کارایی بهتری نسبت به دو روش دیگر  دارد. مقادیر ضریب تعیین، انحراف جذر میانگین مربعات خطا و ریشه میانگین مربعات خطا نرمال­شده در بهترین مدل رگرسیون بردار پشتیبان­، به­ترتیب برابر 85/0 ، 12/3 و 89/12 برای ظرفیت زراعی و 83/0 ، 58/1و 84/14  برای نقطه پژمردگی دایم و برای شبکه­های عصبی مقادیر 72/0 ، 48/3 و 36/14 برای ظرفیت زراعی و 75/0 ، 90/1 و 91/17 برای نقطه پژمردگی به­دست آمد. با توجه به بررسی­های صورت­گرفته در این تحقیق، می­توان بیان نمود که مدل­های رگرسیون بردار پشتیبان با تابع کرنل خطی پایه شعاعی قادر خواهند بود  با خطا­ی پایین و ضریب تعیین بالا  نقاط مهم رطوبتی خاک را پیش­بینی کنند و همچنین می­توانند جایگزین بسیار خوبی برای روش­های سنتی هم­چون شبکه­های عصبی و رگرسیون خطی باشند.

کلیدواژه ها:

رگرسیون خطی ، شبکه های عصبی مصنوعی ، رگرسیون بردار پشتیبان ، ظرفیت زراعی ، نقطه پژمردگی دایم