مقایسه شبکه های عصبی مصنوعی و توابع انتقالی رگرسیونی برای تخمین ظرفیت تبادل کاتیونی خاک در شمال غرب ایران

ظرفیت تبادل کاتیونی خاک میزان بار مثبتی است که در واحد جرم خاک قابل تبادل است. مدل سازی و تخمین ظرفیت تبادل کاتیونی شاخصی مفید از حاصلخیزی خاک می باشد. ارزیابی و طراحی سناریو های مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد. بدین منظور برای برآورد ظرفیت تبادل کاتیونی خاک، 32 نیمرخ در دشت تبریز حفر گردید و جهت انجام آزمایش های فیزیکی و شیمیایی مانند توزیع اندازه ذرات، کربن آلی، pH و ظرفیت تبادل کاتیونی خاک، 131 نمونه خاک از عمق های مختلف جمع آوری گردید. سپس 7 مدل رگرسیونی که بر اساس مطالعات پیشین انتخاب شده بودند برای منطقه مورد مطالعه کالیبره شده و مورد ارزیابی قرار گرفتند. همچنین بر اساس ضرایب موجود در مدل های رگرسیونی، 7 معماری متفاوت شبکه های عصبی مصنوعی جهت پیش بینی ظرفیت تبادل کاتیونی خاک طراحی گردید و نتایج حاصل از شبکه های عصبی مصنوعی و مدل های رگرسیونی چند متغیره با استفاده از پارامترهای ضریب همبستگی (R2)، جذر میانگین مربعات خطا (RMSE) و شیب بهترین معادله خط برازش داده شده بین نقاط پیش بینی و اندازه گیری شده (a) مورد ارزیابی قرار گرفت. نتایج نشان داد که معماری طراحی شده با شبکه عصبی مصنوعی با ضریب تبیین 86/0، RMSE  برابر با 14/2 و شیب خط برابر با 87/0دارای کارایی بالاتری بود که احتمالا  به دلیل وجود روابط غیر خطی میان ویژگی های زودیافت خاک (متغیرهای مستقل) و ظرفیت تبادل کاتیونی (متغیر وابسته) بود.