تخمین ظرفیت تبادل کاتیونی در دو خاک بکر و کشاورزی توسط شبکه عصبی مصنوعی و رگرسیون خطی

در سالهای اخیر استفاده از روشهای غیرمستقیم مانند شبکه عصبی مصنوعی برای برآورد پارامترهای خاک مورد توجه قرار گرفته است. در این پژوهش به منظور تخمین ظرفیت تبادل کاتیونی خاک با استفاده از شبکه عصبی مصنوعی اقدام به نمونه برداری به تعداد 200 نمونه سطحی از منطقه قوشه واقع در استان سمنان گردید. نیمی از این تعداد نمونه ها از خاکهای بکر و نیمی از آنها از اراضی کشاورزی منطقه جمع آوری گردید. پارامترهای فیزیکی و شیمیایی خاک شامل هدایت الکتریکی، فراوانی نسبی ذرات، درصد آهک، نسبت جذب سدیم (sar) و وزن مخصوص ظاهری به عنوان ویژگی های زود یافت و ظرفیت تبادل کاتیونی به عنوان پارامتر دیر یافت مورد بررسی قرار گرفت. داده ها جمع آوری شده بصورت تصادفی به دو دسته آموزش (70 درصد) و صحت سنجی (30 درصد) تقسیم شدند و از آنها برای آموزش و ارزیابی مدلهای شبکه عصبی شامل پرسپترون چند لایه (mlp)، توابع پایه شعاعی (rbf) و همچنین رگرسیون خطی استفاده گردید. دقت پیش بینی به وسیله آماره های r2))، (rmse)، (mae) و (rse) بین ظرفیت تبادل کاتیونی اندازه گیری و پیش بینی شده، ارزیابی شد. نتایج کارایی بالاتر مدل پرسپترون چند لایه شبکه عصبی مصنوعی را با مقادیر r2 (94/0 و 84/0)، rmse (69/0 و 56/0) ، rse (05/0 و 05/0) و mae (51/0 و 39/0) به ترتیب برای خاکهای کشاورزی و بکر نسبت به مدل rbf شبکه عصبی مصنوعی و روش رگرسیون خطی نشان می دهد. همچنین با انجام آنالیز حساسیت به همبستگی بالای درصد رس و مقادیر وزن مخصوص ظاهری با ظرفیت تبادل کاتیونی خاکهای کشاورزی و بکر، دست یافتیم.