ارزیابی کاربرد مدل های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی فازی و رگرسیون در پیش بینی کربن آلی ذره ای در مراتع خرابه سنجی ارومیه
چکیده
کربن آلی خاک اثرات مفیدی روی خواص شیمیایی، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت های بیولوژیکی خاک ها موثر است. کربن آلی ذرهاییکی از بخش های مهم ناپایدار مواد آلی می باشد و نقش قابل توجهی در کیفیت خاک و مدیریت سرزمینهای مرتعی دارد. در این تحقیق جهت برآورد دقیق کربن آلی ذرهای خاک از مدل های شبکه عصبی مصنوعی (ann)، شبکه عصبی تطبیقی- فازی(anfis) و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 30- 0 سانتیمتری در میان 60 کوادرات یک متر مربعی که در طول 6 ترانسکت 100 متری در مراتع خرابه سنجی ارومیه مستقر شده بود، برداشت شد. خصوصیات خاک (نیتروژن، رس، سیلت، کربن آلی، اسیدیته، هدایت الکتریکی و وزن مخصوص ظاهری خاک) اندازهگیری شدند. شاخص های آماری rmse و ce جهت ارزیابی کارکرد مدل ها استفاده شدند. نتایج نشان داد بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 16/0 و 41/0 و در مدل شبکه عصبی مصنوعی به ترتیب 11/0 و 65/0 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 06/0 و 79/0 میباشند، مدل شبکه عصبی تطبیقی فازی (anfis) به عنوان ابزار قدرتمندتری در پیشبینی کربن آلی ذرهای خاک نسبت به آنالیز رگرسیون خطی چندمتغیره و شبکه عصبی مصنوعی عمل میکند.