مقایسه روشهای هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان

به منظور واسنجی دادههای دستگاه القاگر الکترومغناطیس از روشهای مختلفی استفاده میشود. سوال پیش رو این است که کدام یک از تکنیکها قابلیت بیشتری برای برآورد غیرمستقیم دادههای شوری خاک دارند. برای پاسخ به این پرسش، در پژوهش حاضر، از ۶۰۰ نمونه خاک جمعآوری شده از منطقه اردکان برای واسنجی دادههای هدایت الکتریکی ظاهری خاک با استفاده از روشهای رگرسیونی و هوش مصنوعی بهره گرفته شد. در این راستا، دادهها به دو سری شامل سری آموزشی (۸۰درصد دادهها) و سری ارزیابی (۲۰درصد دادهها) تقسیم شد. به منظور مدلسازی و برآورد شوری، از مدلهای نروفازی، شبکه عصبی مصنوعی، الگوریتم ژنتیک و رگرسیون چند متغیره استفاده شد. نتایج ارزیابی مدلها بر اساس شاخصهای ریشه مربعات خطا، میانگین خطا و ضریب تبیین نشان داد مدل نروفازی بالاترین دقت در برآورد شوری خاک در چهار عمق را دارد. بهطوریکه این مدل به میزان ۹، ۹، ۵ و ۲ درصد دقت برآورد شوری را به ترتیب در اعماق ۱۵، ۳۰، ۶۰ و ۱۰۰ سانتیمتری نسبت به روش رگرسیون خطی چندگانه افزایش داده است. با توجه به عدم قطعیت در پدیدههای مرتبط با خاک یا تقریبی بودن مقادیر اندازهگیری شده خصوصیات مختلف خاک، به نظر میرسد کارایی بالاتر مدل مبتنی بر مجموعههای فازی در پردازش توابع انتقالی خاک به همین علت باشد. بعد از این مدل، الگوریتم ژنتیک و شبکههای عصبی مصنوعی نسبت به معادلات رگرسیونی کارایی بهتر داشته است. در مجموع، نتایج نشان داد روشهای هوش مصنوعی کارایی بالاتری نسبت به روشهای رگرسیونی برای واسنجی دستگاه القاگر الکترومغناطیس دارد.

کلیدواژه ها:

شوری خاک ، مدلسازی ، هدایت الکتریکی ظاهری