مقایسه عملکرد شبکه های عصبیRBF و MLP در برآورد شاخص بافتخاک

به منظور مدیریت موثر خاک به اطلاعات پایه درباره تغییرات مکانی خصوصیات خاک به ویژه بافت خاک مزرعه نیاز می باشد. شبکه های عصبی مصنوعی در چند دهه ی اخیرو در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده وغیر خطی قابلیت بالایی ازخود نشان داده اند. در تحقیق حاضر توانایی شبکه های عصبی با تابع پایه ی شعاعی ( RBF)و شبکه های پرسپترون چند لایه( MLP )در برآورد شاخص بافت خاک بخشی از اراضی لسی استان گلستان مورد ارزیابی و مقایسه قرار گرفت.نتایج نشان داد که شبکه عصبی RBF از توانایی بیشتری برای پیش بینی تغییرات بافت خاک برخوردار است.

کلیدواژه ها:

بافت خاک ، شبکه عصبی مصنوعی ، شبکه عصبی با تابع پایه ی شعاعی ، شبکه های پرسپترون چند لایه