مقاله

مقایسه روش های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیش‏بینی شوری خاک (مطالعه موردی: شهرستان اردکان)

روح الله تقی زاده مهرجردی، فریدون سرمدیان، غلامرضا ثواقبی، محمود امید، نورایر تومانیان

چکیده

در سال های اخیر از روش های غیرمستقیم برای برآورد شوری خاک استفاده می‏شود. بدین منظور، در این پژوهش ششصد نمونة جمع‏آوری شده از منطقة اردکان آزمایش شد و قرائت های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگی های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی متری به عنوان ویژگی های دیریافت تخمین زده شد. در این زمینه، داده‏ها به دو سری تقسیم شد: سری آموزشی (80% داده‏ها)؛ سری ارزیابی (20% داده‏ها). به منظور مدل‏سازی و پیش‏بینی شوری، از مدل های نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدل‏ها ـ بر اساس شاخص های ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیش‏بینی ویژگی های خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیش‏بینی شوری را، به ترتیب، در اعماق 30 و 100 سانتی‏متری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکه های عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.

اسناد مشابه