ارزیابی پارامترهای موثرجهت پیش ‌بینی عیار پتاسیم شورابه با استفاده از الگوریتم‌ های ماشین بردار پشتیبان و جنگل تصادفی (مطالعه موردی: پلایای شهرستان خور و بیابانک، استان اصفهان)

اهمیت پتاسیم در بالا بردن کمیت و کیفیت محصولات کشاورزی، تقاضا را برای کودهای پتاسیمی افزایش داده است. تضمین استخراج پتاسیم از شورابه های زیرزمینی مقدار عیار پتاسیم در آن‌هاست. هدف این پژوهش استفاده از الگوریتم‌های جنگل تصادفی (rf) و ماشین بردار پشتیبان(svm) به‌منظور اولویت‌بندی پارامترهای موثر بر عیار پتاسیم شورابه زیرزمینی در پلایای خور و بیابانک استان اصفهان است. به همین منظور تعداد 55 پارامتر در 12 گمانه حفاری اندازه‌گیری شد. پارامترهای اندازه‌گیری شده به‌عنوان متغیرهای مستقل شامل درصد رطوبت اشباع مغزه در 15عمق مختلف، جرم مخصوص ظاهری مغزه در 15عمق مختلف، تخلخل مغزه در 15عمق مختلف، مساحت پلی‌گون، عمق آب زیرزمینی، عمق لایه نمک، پتاسیم لایه سطحی، دانسیته شورابه و میزان عناصر کلسیم، منیزیم، سدیم، کلر و عیار پتاسیم به‌عنوان متغیر وابسته وارد مدل شدند. در مدلrf برای اولویت‌بندی، پارامترها از روش های اهمیت ویژگی جایگشت(pfi) و حذف ویژگی جایگشتی(rfe) استفاده شد. در کرنل‌های مختلف الگوریتم svm به منظور جلوگیری از هم‌خطی پارامترهای مستقل، تمام ترکیب‌های حاصل از متغیرهای مستقل با در نظر گرفتن ضریب تورم واریانس کمتر از 8 و بالاترین ضریب تعیین و کمترین خطای mse بررسی و به‌عنوان بهترین ترکیب انتخاب شدند. پارامترهای موثر در پیش‌بینی عیار پتاسیم شورابه در الگوریتم rf و تابع خطی الگوریتم svm به ترتیب sp، ap، duw، slp، sar و n، sp، duw و sar بودند که منجر به بهترین نتیجه (ضریب تعیین زیاد و خطای کم) شدند. ضریب تعیین برای هر دو مدل به ترتیب 0.99 و 0.97 که نشان‌دهنده دقت خوب هر دو الگوریتم است.

evaluation of effective parameters for predicting the potassium grade of saline water by using support vector machine and random forest algorithms (case study: playa of khoor and biabank area city, isfahan province)

the importance of potassium in agricultural products has increased the demand for potassium fertilizers. potassium grade in aquifers ensures its extraction. the purpose of this research is to use rf and svm algorithms in order to prioritize the effective parameters on the potassium grade of saline water groundwater in playa khoor and biabank in isfahan province. for this purpose, 55 parameters were measured in 12 drilling holes.the parameters measured as independent variables include the percentage of saturated moisture, the apparent specific gravity and the porosity of the core at 15 different depths, the area  polygon, the depth of the underground water, the depth of the salt layer, the potassium of the surface layer, the density of the brine and the amount of elements of calcium, magnesium, sodium, chlorine and grade potassium were included in the model as dependent variables. in the rf model, the (pfi) and (rfe) were used for prioritization. in the different kernels of the svm algorithm, in order to prevent the collinearity of the independent parameters, all the combinations of the independent variables, considering the variance inflation factor less than 8 and the highest coefficient of determination and the lowest mse error, were examined and selected as the best combination. the effective parameters in predicting the grade potassium of the brine in the rf algorithm and the linear function of the svm algorithm are sp, ap, duw, slp, sar and n, sp, duw, and sar respectively, which led to the best results. the coefficient of determination for both models is 0.99 and 0.97, respectively, which indicates the good accuracy of both algorithms.