مدل سازی پارامترهای موثر بر دقت سامانه های اندازه گیری هدایت الکتریکی خاک به روش شبکه عصبی RBF در شرایط آزمایشگاهی

از جمله سامانه هایی که در تهیه نقشه هدایت الکتریکی خاک مزارع به کار می روند، سامانه های مبتنی بر روش تماس مستقیم الکترود با خاک می باشند. در این تحقیق با علم به اینکه علاوه بر شوری پارامترهای فیزیکی و شیمیایی خاک نیز در هدایت پذیری الکتریکی خاک تاثیرگذارند، به کمک روش شبکه عصبی RBF در طرح آماری باکس- بنکن به بررسی تاثیر پارامترهای اثرگذار بر نتایج روش تماس مستقیم در اندازه گیری هدایت الکتریکی ظاهری خاک پرداخته و مدلی جهت تخمین هدایت الکتریکی واقعی خاک با داشتن هدایت الکتریکی ظاهری، دما، درصد رطوبت و چگالی توده تعیین شد. اندازه گیری همزمان پارامترهای موثر می تواند مرحله کالیبراسیون را حذف کند. مدل شبکه عصبی به دست آمده توانست به خوبی با ضریب تبیین 99/0، ECe را تخمین بزند. ضمن بررسی الگوریتم های مختلف آموزش شبکه عصبی عملکرد الگوریتم آموزشی بیزین بهتر از سایر الگوریتم ها تشخیص داده شد. نتایج تحلیل حساسیت شبکه نشان داد به ترتیب متغیرهای ECa، رطوبت، دما و چگالی توده بیشترین تاثیر را در تخمین مقدار ECe خاک دارند، به طوری که با حذف آنها از مدل ضریب تبیین از 99/0 به ترتیب به 30/0، 35/0، 56/0 و 63/0 کاهش می یابد. پس از مرحله مدل سازی، مدل شبکه عصبی به دست آمده با یک گروه داده مزرعه ای مورد اعتبارسنجی قرار گرفت. نتایج اعتبارسنجی مدل ضریب تبیین 986/0 بین خروجی مدل و مقادیر ECe اندازه گیری شده در آزمایشگاه را نشان داد. بدین ترتیب با استفاده از این مدل ضمن اندازه گیری هم زمان پارامترهای ذکر شده همراه با هدایت الکتریکی می توان دقت سامانه های اندازه گیری هدایت الکتریکی ظاهری خاک در تخمین و تهیه نقشه های شوری خاک افزایش داد. همچنین با توجه به عدم نیاز به داده برداری مجدد جهت کالیبراسیون سامانه ها، استفاده از این مدل زمان تحلیل داده ها و هزینه تهیه نقشه هدایت الکتریکی خاک را کاهش می دهد.