کاربرد شبکه عصبی مصنوعی در برآورد میزان اسیدیته در اراضی جنگلی(مطالعه موردی جنگل سراوان،استان گیلان)

در این تحقیق، میزان اسیدیته خاک، با استفاده از قابلیت های هوش مصنوعی در منطقه سراوان استان گیلان، تهیه و کارایی آن مورد بررسی قرار گرفت. بدین منظور ابتدا عوامل موثر در تولید اسیدیته در اراضی جنگلی؛ شامل میزان بارش، دمای متوسط و حداکثر سالانه، توپوگرافی و تیپ پوشش گیاهی بطور کمی بررسی شدند و سپس، با مطالعات میدانی و جمع آوری اطلاعات هواشناسی منطقه، نقشه توپوگرافی1:25000 و لایه های رقومی زمین مرجع عوامل موثر در تولید اسیدیته در محیط سیستم اطلاعات جغرافیایی با فرمت رستری تهیه گردید و با آنالیز همپوشانی آن ها، 123 واحد همگن تولید اسیدیته حاصل آمد. برداشت های صحرایی از عمق 20-0 سانتی متری خاک صورت گرفت و تمامی 123 نمونه خاک در آزمایشگاه مورد آزمایش قرار گرفتند. میزان اسیدیته به عنوان خروجی شبکه عصبی و عوامل موثر در آن، به عنوان ورودی های شبکه در نظر گرفته شد و از شبکه پرسپترون چند لایه (MLP) در محیط نرم افزار NeuroSolutions استفاده گردید. 70 درصد داده ها برای آموزش و 30 درصد برای تست یا اعتیاریابی شبکه بکار گرفته شدند. در مرحله ی مدلسازی و بهینه سازی شبکه، از روش آزمون و خطا، ساختار بهینه شبکه تعیین شد. نتایج آموزش و تست کارایی شبکه، دلالت بر کارایی شبکه عصبی مصنوعی با تابع انتقال Basic Axon، تکنیک یادگیری Momentumeدر برآورد میزان اسیدیته خاک دارد.

کلیدواژه ها:

اسیدیته خاک ، سراوان ، سیستم اطلاعات جغرافیایی