ارزیابی پارامترهای موثرجهت پیش بینی عیار پتاسیم شورابه با استفاده از الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی (مطالعه موردی: پلایای شهرستان خور و بیابانک، استان اصفهان)

اهمیت پتاسیم در بالا بردن کمیت و کیفیت محصولات کشاورزی، تقاضا را برای کودهای پتاسیمی افزایش داده است. تضمین استخراج پتاسیم از شورابه­های زیرزمینی مقدار عیار پتاسیم در آن هاست. هدف این پژوهش استفاده از الگوریتم های جنگل تصادفی (RF) و ماشین بردار پشتیبان(SVM) به منظور اولویت بندی پارامترهای موثر بر عیار پتاسیم شورابه زیرزمینی در پلایای خور و بیابانک استان اصفهان است. به همین منظور تعداد ۵۵ پارامتر در ۱۲ گمانه حفاری اندازه گیری شد. پارامترهای اندازه گیری شده به عنوان متغیرهای مستقل شامل درصد رطوبت اشباع مغزه در ۱۵عمق مختلف، جرم مخصوص ظاهری مغزه در ۱۵عمق مختلف، تخلخل مغزه در ۱۵عمق مختلف، مساحت پلی گون، عمق آب زیرزمینی، عمق لایه نمک، پتاسیم لایه سطحی، دانسیته شورابه و میزان عناصر کلسیم، منیزیم، سدیم، کلر و عیار پتاسیم به عنوان متغیر وابسته وارد مدل شدند. در مدلRF برای اولویت بندی، پارامترها از روش­های اهمیت ویژگی جایگشت(PFI) و حذف ویژگی جایگشتی(RFE) استفاده شد. در کرنل های مختلف الگوریتم SVM به­منظور جلوگیری از هم خطی پارامترهای مستقل، تمام ترکیب های حاصل از متغیرهای مستقل با در نظر گرفتن ضریب تورم واریانس کمتر از ۸ و بالاترین ضریب تعیین و کمترین خطای MSE بررسی و به عنوان بهترین ترکیب انتخاب شدند. پارامترهای موثر در پیش بینی عیار پتاسیم شورابه در الگوریتم RF و تابع خطی الگوریتم SVM به ترتیب sp، ap، duw، slp، SAR و n، sp، duw و SAR بودند که منجر به بهترین نتیجه (ضریب تعیین زیاد و خطای کم) شدند. ضریب تعیین برای هر دو مدل به ترتیب ۹۹/۰ و ۹۷/۰ که نشان دهنده دقت خوب هر دو الگوریتم است.

کلیدواژه ها:

واژه های کلیدی: پیش بینی عیار ، جنگل تصادفی ، شورابه ، ماشین بردار پشتیبان