بررسی روش‌های مختلف برای ایجاد توابع انتقالی خاک‌های بخشی از مناطق مرطوب شمال ایران

تخمین پارامترهای دیریافت خاک با استفاده از اطلاعات موجود خاک، توابع انتقالی نامیده می‌شود. جهت توسعه توابع انتقالی می‌توان از مدل‌های رگرسیون چند متغیره، شبکه عصبی مصنوعی و نروفازی استفاده کرد. بنابراین در این مطالعه به منظور مقایسه مدل‌های مذکور، 153 نمونه جمع آوری شده از ناحیه‌ شمالی شهرستان رشت مورد آزمایش قرار گرفته و درصد شن، سیلت، رس و کربن آلی به عنوان ویژگی‌های زودیافت و ظرفیت تبادل کاتیونی به عنوان ویژگی‌ دیریافت اندازه‌گیری شدند. سپس کل داده‌ها به دو سری داده، شامل سری آموزش (80% داده‌ها) و سری ارزیابی (20% داده‌ها) تقسیم گردید. نتایج ارزیابی نشان داد که مدل نروفازی بر اساس شاخص‌های ریشه مربعات خطا، میانگین خطا و ضریب تبیین به ترتیب 73/0، 07/0- و 66/0 دارای بالاترین دقت در پیش‌بینی ظرفیت تبادل کاتیونی خاک می‌باشد. همچنین این مدل بر اساس شاخص‌ درصد کاهش ریشه مربعات خطا به میزان 14 درصد دقت پیش‌بینی ویژگی‌ CEC را نسبت به روش رگرسیون خطی چندگانه افزایش داده است. بعد از این مدل، شبکه‌های عصبی مصنوعی پس‌انتشار، پایه شعاعی و آبشاری به ترتیب نسبت به معادلات رگرسیونی کارائی بهتری داشته‌اند.