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