ارزیابی شبکه عصبی پرسپترون چند لایه در شبیه سازی رطوبت خاک ایستگاه فراخیل- قائمشهر

تحقیق جاری بمنظور ارائه مدلی عددی برای برآورد رطوبت سطحی خاک طراحی شده است. این بررسی مبتنی بر اندازه گیری مستقیم زمینی رطوبت خاک در اعماق ۵ (SM۵) و ۱۰ (SM۱۰) سانتیمتری و مدل شبکه عصبی پرسپترون چند لایه (MLP) انجام می پذیرد. بدین منظور ایستگاه هواشناسی قراخیل- قائمشهر در استان مازندران مدنظر قرار گرفت و از متغیرهای متعدد هواشناسی (۱۶ متغیر) بعنوان ورودی مدل ها استفاده گردید. داده ها در مقیاس روزانه و طی دوره ۲۰۱۷-۲۰۲۰ مورد بررسی قرار گرفتند که از این میان ۷۵% از روزها بعنوان فاز آموزش و ۲۵% از روزها بعنوان فاز آزمون درنظر گرفته شدند. مولفه های مرتبط با دمای هوا و خاک، رطوبت نسبی هوا، تبخیر و فشار بخار اثرگذارترین عوامل بر روی رطوبت روزانه خاک شناخته شدند که از ترکیب های آنها بعنوان متغیرهای ورودی به مدل استفاده گردید. مقایسه تخمین ها و اندازه گیری های واقعی نشان داد که مدل MLP دارای دقت مطلوب در برآورد رطوبت خاک بوده است (R(۲)=۰.۶۱۴) برای SM۵ و R(۲)=۰.۵۸۰ برای SM۱۰). در تخمین SM سطحی بدون حضور مستقیم در محل، رویکرد جاری حاکی از عملکرد رضایتبخش بوده و ارزش تحقیقاتی برای نواحی مشابه اقلیمی را دارا می باشد.

کلیدواژه ها:

تخمین رطوبت خاک ، مدل سازی یادگیری ماشین ، MLP ، پرسپترون ، قراخیل