استفاده از شبکه عصبی مصنوعی MLP برای تخمین میزان ظرفیت تبادل کاتیونی

ظرفیت تبادل کاتیونی یکی از ویژگی های شیمیایی مهم خاک بوده و منظور نمودن شاخص های حاصلخیزی خاک از جمله ظرفیت تبادل کاتیونی می تواند در ارتقاء و افزایش کیفیت نقشه های خاک مفید باشد. از آنجایی که اندازه گیری CEC بسیار پرهزینه و وقتگیر است، استفاده از شبکه عصبی مصنوعی می تواند راه کاری مناسب در برآورد این پارامتر به جای اندازه گیری مستقیم آن باشد. هدف از این تحقیق، تخمین مقدار ظرفیت تبادل کاتیونی خاک با کمک شبکه عصبی MLP با سه نوع تابع فعال سازی سیگموئید تانژآنت هایپربولیک، سیگموئید لگاریتمی و خطی با نرم افزار MATLAB از روی خصوصیات درصد رس، درصد سیلت و درصد کربن آلی خاک و همچنین انتخاب بهترین تابع برای برآورد این خصوصیت می باشد. برای این منظور 67 نمونه خاک جمع آوری گردید وپس از آماده سازی نمونه ها )هوا خشک نمودن، کوبیدن و الک کردن نمونه ها(، مقدار ظرفیت تبادل کاتیونی )به روش استات سدیم در pH= 8/2 (، درصد رس و سیلت )به روش هیدرومتری( و کربن آلی )به روش والکی بلک( نمونه ها اندازه گیری شدند. نتایج حاصل از پژوهش نشان داد که شبکه عصبی مصنوعی با تابع فعال سازی سیگموئید لگاریتیمی با تعداد 11 نرون در لایه مخفی با شاخص های عملکرد 2R و RMSE 4 ، 0/7106و4/633در مقایسه با سایر توابع فعال سازی بهترین عملکرد را در برآورد خروجی ظرفیت تبادل ، کاتیونی خاک داشته است. همچنین آنالیز حساست نیز نشان داد که پارامتر ورودی درصد رس در مدل شبکه عصبی بیشترین تاثیر را بر خروجی مدل )ظرفیت تبادل کاتیونی( داشته است.

کلیدواژه ها:

ظرفیت تبادل کاتیونی ، شبکه عصبی مصنوعی ، آنالیز حساسیت