پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند
محل انتشار: نشریه پژوهش های خاک، دوره: 31، شماره: 3
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 221
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AREO-31-3_006
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
ظرفیت تبادل کاتیونی (CEC) یکی از مهم ترین ویژگی های خاک در ارتباط با نگهداری مواد غذایی، آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CEC کاری دشوار و وقت گیر است، بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این پژوهش با کمک مدل های هوشمند و با استفاده از خصوصیات فیزیکی و شیمیایی خاک مانند توزیع اندازه ذرات، کربن آلی، میزان رس، شن، فسفر، نیتروژن، pH و EC به پیش بینی CEC خاک پرداخته شد. سه مدل هوشمند شامل شبکه های عصبی مصنوعی از نوع MLP، شبکه های عصبی مصنوعی از نوع RBF و مدل عصبی-فازی تطبیقی (ANFIS) برای پیش بینی مورداستفاده قرار گرفت. ۲۵۰ نمونه ی خاک جمع آوری شده به دودسته ی آموزش (۸۰ درصد داده ها) و صحت سنجی (۲۰ درصد داده ها) تقسیم شدند. دقت پیش بینی مدل مورداستفاده به وسیله شاخص های آماری مانند میانگین قدر مطلق خطا (MAE)، ضریب تبیین (R۲) و ریشه دوم میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت. نتایج به دست آمده کارایی بالاتر مدل شبکه عصبی مصنوعی MLP را در مقایسه با دو مدل مذکور با مقادیر MAE، RMSE، R۲ به ترتیب برابر با ۷۹/۱، ۵۴/۲ و ۸۱/۰ نشان داد. همچنین آنالیز حساسیت انجام شده بر روی داده های ورودی به مدل نشان داد کربن آلی بیشترین و pH کمترین همبستگی را با ظرفیت تبادل کاتیونی دارند. با توجه به نتایج این مطالعه استفاده از شبکه عصبی مصنوعی برای تخمین ظرفیت تبادل کاتیونی خاک به خوبی امکان پذیر است و می تواند با کارایی مناسب در جهت سهولت در اندازه گیری و صرفه جویی در زمان و هزینه ها به کار گرفته شود.
کلیدواژه ها:
نویسندگان
احمد بازوبندی
دانشجوی سابق کارشناسی ارشد دانشگاه صنعتی شاهرود
هادی قربانی
دانشیار دانشکده کشاورزی دانشگاه صنعتی شاهرود
صمد امامقلی زاده
دانشیار دانشکده کشاورزی دانشگاه صنعتی شاهرود
محمد رضا شعیبی نوبریان
دانشجوی سابق کارشناسی ارشد دانشگاه تربیت مدرس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :