برآورد میزان غلظت کادمیوم خاک با استفاده از مدل های ANN و ANFIS

بررسی سطوح آلودگی خاک به فلزات سنگین مانند میزان کادمیوم خاک برای سلامتی انسان و مدیریت محیط زیست انسان مهم و ضروری است. با توجه به این که اندازه گیری مستقیم کادمیوم خاک زمان بر و هزینه بر است، در این پژوهش، از دو روش هوشمند مصنوعی شامل مدل شبکه عصبی مصنوعی (ANN) و شبکه عصبی فازی تطبیقی (ANFIS) برای تخمین میزان کادمیوم خاک به عنوان یکی از خطرناک ترین فلزات سنگین استفاده شد. برای برآورد میزان غلظت کادمیوم خاک از عناصر زود یافت خاک مانند درصد سیلت، شن، کربن آلی، pH، EC، T.N و P به عنوان پارامترهای ورودی به مدل استفاده شد و از طریق دو مدل ANN و ANFIS ارتباط میان پارامترهای مذکور و میزان غلظت کادمیوم برقرار گردید. برای آموزش و صحت سنجی مدل های مذکور از 250 نمونه خاک که از خاک های استان گیلان گرفته شد، استفاده شد. ارزیابی مدل ها با استفاده از پارامترهای آماری مانند ضریب تبیین (R2)، میانگین خطای مطلق (MAE)، مجذور میانگین مربعات خطا (RMSE) انجام شد. نتایج به دست آمده نشان داد مدل شبکه عصبی مصنوعی با ضریب تبیین (R2) 83/0 و همچنین مجذور میانگین مربعات خطا (RMSE) 01/1 و میانگین خطای مطلق (MAE) برابر 54/0 روش مناسب تری نسبت به شبکه عصبی فازی تطبیقی است. همچنین نتایج آنالیز حساسیت پارامترهای ورودی به مدل ها نشان داد درصد کربن آلی و EC خاک به ترتیب بیشترین و کمترین تاثیرگذاری را بر میزان کادمیوم دارند. مدل پیشنهادی می تواند برای برآورد میزان غلظت کادمیوم خاک در سایر نقاط در محدوده موردمطالعه که اندازه گیری غلظت کادمیوم خاک انجام نشده است و همچنین برای سایر مناطق با داشتن شرایط مشابه مورد استفاده قرار گیرد.