مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری

چکیده ظرفیت تبادل کاتیونی (CEC) یکی از مهمترین ویژگی های خاک در ارتباط با مواد غذایی، نگهداری آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CECکاری دشوار و وقت گیر است .بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این مطالعه، توابع انتقالی برای پیش بینی ظرفیت تبادل کاتیونی از خصوصیات اساسی خاک مانند توزیع اندازه ذرات، کربن آلی، درصد رطوبت اشباع و pH توسعه داده شد و با استفاده از روش های شبکه عصبی مصنوعی و رگرسیونی چند متغیره خطی ارزیابی شد و سپس توانایی پیش بینی این دو روش با استفاده از آماره های ارزیابی مقایسه شد. کل ۲۰۰ نمونه خاک به دو دسته ۱۶۵ تایی برای توسعه مدل و ۳۵ تایی برای ارزیابی مدل تقسیم شدند. دقت پیش بینی بوسیله آماره های ضریب تعیین (R۲) و ریشه دوم میانگین مربعات خطا (RMSE) بین CEC اندازه گیری و پیش بینی شده ارزیابی شد. نتایج نشان داد هنگامی که از شبکه عصبی با یک لایه پنهان و هفت نرون در این لایه و ماده آلی، درصد رطوبت اشباع ، درصد رس و شن به عنوان ورودی استفاده شد، CEC با ۸۱/۰ R۲=و ۰۵/۳ RMSE=سانتی مول بر کیلوگرم خاک بهتر از دیگر مدل ها پیش بینی شد. مقادیر R۲و RMSE به ترتیب از ۶۶/۰ تا ۶۹/۰ و از ۶۹/۴ تا ۲۶/۴ برای روش رگرسیونی، و از ۷۸/۰ تا ۸۱/۰ و ۲۹/۳ تا ۰۵/۳ برای شبکه عصبی متغیر بود. نتایج نشان داد که پیش بینی شبکه عصبی بهتر از تابع های رگرسیونی می باشد. واژه های کلیدی شبکه های عصبی مصنوعی، ظرفیت تبادل کاتیونی، چهارمحال و بختیاری