مقایسه شبکههای 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. مدل‌سازی و تخمین ظرفیت تبادل کاتیونی شاخصی مفید از حاصلخیزی خاک می‌باشد. ارزیابی و طراحی سناریو‌های 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 آزمایش­های فیزیکی و شیمیایی مانند توزیع اندازه ذرات، کربن آلی، pH و ظرفیت تبادل کاتیونی خاک، 131 نمونه خاک از عمق­های مختلف جمع­آوری گردید. سپس 7 مدل رگرسیونی که بر­اساس مطالعات پیشین انتخاب شده بودند برای منطقه مورد مطالعه کالیبره شده و مورد ارزیابی قرار گرفتند. همچنین بر اساس ضرایب موجود در مدل­های رگرسیونی، 7 معماری متفاوت شبکه‌های عصبی مصنوعی جهت پیش‌بینی ظرفیت تبادل کاتیونی خاک طراحی گردید و نتایج حاصل از شبکه‌های عصبی مصنوعی و مدل‌های 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 پیش‌بینی و اندازه‌گیری 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.