مدل سازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیهسازی تبرید- شبکه عصبی مصنوعی در خاک های آهکی جنوب شرق ایران
استفاده از شیب منحنی مشخصه رطوبتی خاک در نقطه عطف (شاخص S)، یکی از شاخصهای مهم ارزیابی کیفیت خاک در برنامهریزی مدیریت اراضی زراعی و باغی محسوب می شود. هدف از این پژوهش، تعیین موثرترین ویژگیهای خاک در منطقه جیرفت بر تخمین شاخص S با استفاده از الگوریتم هیبرید شبیهسازی تبرید - شبکه عصبی مصنوعی بود. به این منظور، 350 نمونه خاک دستخورده و 350 نمونه خاک دستنخورده از اراضی زراعی و باغی برداشت و سپس برخی از ویژگی های فیزیکی و شیمیایی خاک، شامل درصد شن، سیلت، رس، قابلیت هدایت الکتریکی اشباع، چگالی ظاهری، درصد تخلخل کل، درصد مواد آلی و درصد کربنات کلسیم معادل با استفاده از روشهای استاندارد اندازهگیری شدند. همچنین با استفاده از دستگاه صفحات فشاری، مقدار رطوبت خاک در مکش های 0، 30،10، 50، 100، 300، 500، 1000 و 1500 کیلوپاسکال تعیین شد. در ادامه با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی- شبیه سازی تبرید، ویژگیهای موثر بر مدل سازی شاخص S استخراج شدند. در نهایت با استفاده از پنج ویژگی استخراج شده (درصد ش و رس، قابلیت هدایت الکتریکی، چگالی ظاهری و ظرفیت زراعی)، مدلسازی شاخص S توسط شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که با کاهش متغیرهای ورودی، دقت مدلسازی افزایش یافت. بهعلاوه، نتایج آنالیز حساسیت نشان داد چگالی ظاهری با بالاترین ضریب حساسیت (ضریب حساسیت 5/0) به عنوان مهم ترین ویژگی در مدلسازی شاخص S محسوب می شود. بنابراین، از آنجا که افزایش تعداد ویژگیها لزوما باعث افزایش دقت مدل سازی نمیشود، کاهش ویژگیهای ورودی بهسبب کاهش هزینه و زمان انجام پژوهش مقرون بهصرفه است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.