پیش‌بینی میزان سرب خاک با استفاده از خصوصیات زودیافت براساس مدل شبکه عصبی مصنوعی

افزایش تولید آلاینده‌ها از جمله فلزات سنگین یکی از مشکلات جدی و در حال گسترش جامعه بشری است. آلودگی به فلزات سنگین نه‌تنها بر خصوصیات فیزیکی و شیمیایی خاک تاثیرگذار است، بلکه برای سلامتی انسان از طریق ورود به چرخه غذایی و نفوذ به آب‌های زیرزمینی خطرناک است. مطالعه حاضر با هدف پیش‌بینی میزان سرب خاک به‌عنوان یکی از مهم‌ترین فلزات سنگین با استفاده از خصوصیات زود یافت خاک به کمک مدل شبکه عصبی مصنوعی انجام شد. بدین منظور 63 نمونه از عمق صفر تا 30 سانتی‌متر خاک‌های مختلف واقع در حاشیه رودخانه کشف‌رود در شمال شهرستان مشهد برداشته شد. پارامترهای ph، هدایت الکتریکی، فراوانی نسبی ذرات، کربن آلی و سرب خاک اندازه‌گیری شدند. مدل شبکه عصبی مصنوعی نوع پرسپترون چندلایه برای پیش‌بینی غلظت سرب خاک مورداستفاده قرار گرفت. ارزیابی مدل با استفاده از پارامترهای آماری مانند ضریب تبیین (r2)، میانگین خطای مطلق (mae) و همچنین مجذور میانگین مربعات خطا (rmse) انجام شد. نتایج نشان داد که کارایی مدل شبکه عصبی مصنوعی مناسب است و می‌تواند به‌عنوان روشی دقیق جهت جایگزین شدن با روش پرهزینه و زمان‌بر اندازه‌گیری مستقیم آزمایشگاهی این فلز سنگین در خاک مورداستفاده قرار گیرد.