ارزیابی قابلیت مدل شبکه عصبی مصنوعیLVQ4a2 در پیش بینی الگوی توزیع مکانی کادمیم در خاک

این پژوهش به منظور پیش بینی کلاس بندی الگوی تغییرات مکانی عنصر کادمیم با استفاده از شبکه عصبی LVQ4a2 در سطح استان گلستان انجام شد. داده های مربوط به غلظت کادمیم از طریق نمونه برداری از سطح منطقه مورد مطالعه و اندازه گیری کادمیم کل خاک به دست آمد. برای ارزیابی قابلیت شبکه عصبی LVQ4a2 در پیش بینی توزیع مکانی عنصر کادمیم از مقایسه آماری پارامترهایی مانند میانگین، واریانس، توزیع آماری رگرسیونی بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آنها و نیز معیار دقت کلاس بندی استفاده شد. نتایج حاصل نشان داد که در فاز آموزش و آزمایش تفاوت معنی دار در سطح 5 درصد بین میانگین، واریانس و توزیع آماری مجموعه داده های پیش بینی شده مکانی عنصر کادمیم و مقادیر واقعی آنها مشاهده نشد. بنابراین شبکه عصبی مصنوعی به خوبی توانست مدل داده های مکانی عنصر کادمیم را بیاموزد. نتایج به دست آمده نشان داد که شبکه عصبی آموزش دیده، دارای قابلیت بالایی در پیش بینی مکانی غلظت کادمیم در نقاط نمونه برداری نشده با دقت تشخیص مساوی صفر درصد بود. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی می تواند بطور مناسبی در تشخیص سطوح مختلف غلظت کادمیم خاک بکار برده شود.