ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (GMDH) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری

صحت توابع انتقالی در پیش بینی خواص هیدرولیکی خاک را می توان با استفاده از توابع پرانعطاف افزایش داد. این تحقیق به منظور ارزیابی کارایی توابع با قابلیت انعطاف متفاوت (رگرسیون های خطی و غیر خطی چند متغیره (MLR)، فیزیکی- تجربی آریا و پاریس (AP)، شبکه عصبی مصنوعی(ANN)، مدیریت داده ها به روش گروهی (GMDH) در پیش بینی مقدار آب خاک در حد ظرفیت مزرعه ای و نقطه پژمردگی دائم خاک های شالیزاری اجرا گردید. توابع انتقالی با استفاده از داده های توزیع اندازه ذرات، کربن آلی، چگالی ظاهری و مقدار رطوبت حجمی خاک در مکش های 33 و 1500 کیلوپاسکال در 136 نمونه خاک اراضی شالیزاری ساخته شد. الگوریتم GMDH در مقایسه با دیگر توابع انتقالی با کمترین ریشه میانگین مربعات خطا (RMSE)، کمترین محک آکایک (AIC) و بیشترین نمایه توافق (D) از صحت و اعتبار بیشتری در پیش بینی مقدار رطوبت حجمی خاک در مکش های 33 و 1500 کیلوپاسکال برخوردار بود. به نظر می رسد الگوریتم GMDH در تعیین روابط غیرخطی و پیچیده بین متغیرهای پایه مانند توزیع اندازه ذرات، چگالی ظاهری خاک و کربن آلی با مقدار رطوبت حجمی خاک در مکش های 33 و 1500 کیلوپاسکال موفق تر از دیگر توابع انتقالی عمل نموده است.