استفاده از روش ها نوین برای تعیین ورودی های موثر در تخمین دمای خاک

در این تحقیق تخمین دمای عمق 10 سانتی متری خاک ایستگاه سینوپتیک تبریز واقع در استان آذربایجان شرقی با استفاده از شبکه عصبی مصنوعی(ANN) و ماشین بردار پشتیان(SVM) انجام گرفته است. از دو روش تحلیل مولفه اصلی(PCA) و آزمون گاما(GT) برای پیش پردازش داده ها و تعیین داده های ورودی استفاده گردید . با توجه به نتایج، برای ایستگاه تبریز 3 متغیر ورودی توسط آزمون گاما انتخاب شد. در روش تحلیل مولفه های اصلی نیز برای ایستگاه سینوپتیک تبریز چهار مولفه اصلی انتخاب شده است. نتایج مدل سازی حاکی از این است که، مدل ماشین بردار پشتیان مبتنی بر آزمون گاما (GT-SVM) با مجذور میانگین مربعات خطای 48/2 در جه سانتی گراد را می توان به عنوان مدل منتخب برای ایستگاه مذکور انتخاب کرد. در نهایت با توجه به نتایج می توان چنین نتیجه گرفت که روش های استفاده شده پیش پردازش داده ها در این تحقیق برای پیش بینی دمای خاک با یکدیگر اختلاف چندانی ندارند و هر دو روش به خوبی عمل کرده اند. همچنین مدل SVM در تمام تخمین ها نسبت به مدل ANN عملکرد قابل قبول تری داشته است.