ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (GMDH) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری

صحت توابع انتقالی در پیش­بینی خواص هیدرولیکی خاک را می­توان با استفاده از توابع پرانعطاف افزایش داد. این تحقیق به منظور ارزیابی کارایی توابع با قابلیت انعطاف متفاوت (رگرسیون­های خطی و غیر خطی چند متغیره (MLR)، فیزیکی- تجربی آریا و پاریس (AP)، شبکه عصبی مصنوعی(ANN)، مدیریت داده­ها به روش گروهی (GMDH) در پیش­بینی مقدار آب خاک در حد ظرفیت مزرعه­ای و نقطه پژمردگی دائم خاک­های شالیزاری اجرا گردید. توابع انتقالی با استفاده از داد­ه­های توزیع اندازه ذرات، کربن آلی، چگالی ظاهری و مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال در ۱۳۶ نمونه خاک اراضی شالیزاری ساخته شد. الگوریتم GMDH در مقایسه با دیگر توابع انتقالی با کمترین ریشه میانگین مربعات خطا (RMSE)، کمترین محک آکایک (AIC) و بیشترین نمایه توافق (D) از صحت و اعتبار بیشتری در پیش­بینی مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال برخوردار بود. به نظر می رسد الگوریتم GMDH در تعیین روابط غیرخطی و پیچیده بین متغیرهای پایه مانند توزیع اندازه ذرات، چگالی ظاهری خاک و کربن آلی با مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال موفق تر از دیگر توابع انتقالی عمل نموده است. 

کلیدواژه ها:

توابع انتقالی ، حد ظرفیت مزرعه ای ، حد پژمردگی دائم ، رگرسیون خطی چند متغیره ، شبکه عصبی مصنوعی