تقی زاده مهرجردی, روح الله, سرمدیان, فریدون, ثواقبی, غلامرضا, امید, محمود, تومانیان, نورایر, روستا, محمد جواد, رحیمیان, محمدحسن. (1392). مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان). مرتع و آبخیزداری, 66(2), 207-222. doi: 10.22059/jrwm.2013.35573
روح الله تقی زاده مهرجردی; فریدون سرمدیان; غلامرضا ثواقبی; محمود امید; نورایر تومانیان; محمد جواد روستا; محمدحسن رحیمیان. "مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان)". مرتع و آبخیزداری, 66, 2, 1392, 207-222. doi: 10.22059/jrwm.2013.35573
تقی زاده مهرجردی, روح الله, سرمدیان, فریدون, ثواقبی, غلامرضا, امید, محمود, تومانیان, نورایر, روستا, محمد جواد, رحیمیان, محمدحسن. (1392). 'مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان)', مرتع و آبخیزداری, 66(2), pp. 207-222. doi: 10.22059/jrwm.2013.35573
تقی زاده مهرجردی, روح الله, سرمدیان, فریدون, ثواقبی, غلامرضا, امید, محمود, تومانیان, نورایر, روستا, محمد جواد, رحیمیان, محمدحسن. مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان). مرتع و آبخیزداری, 1392; 66(2): 207-222. doi: 10.22059/jrwm.2013.35573
مقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان)
1استادیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان
2استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
3استاد گروه مهندسی ماشین¬آلات کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
4استادیار پژوهشی، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان
5عضو هیئت علمی مرکز ملی تحقیقات شوری
6کارشناس سنجش از دور و GIS، مرکز ملی تحقیقات شوری
چکیده
در سال‌های اخیر از روش‌های غیرمستقیم برای برآورد شوری خاک استفاده میشود. بدین منظور، در این پژوهش ششصد نمونة جمعآوریشده از منطقة اردکان آزمایش شد و قرائت‌های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگی‌های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی‌متری به عنوان ویژگی‌های دیریافت تخمین زده شد. در این زمینه، دادهها به دو سری تقسیم شد: سری آموزشی (80% دادهها)؛ سری ارزیابی (20% دادهها). به منظور مدلسازی و پیشبینی شوری، از مدل‌های نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدلها ـ بر اساس شاخص‌های ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیشبینی ویژگی‌های خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیشبینی شوری را، به‌ترتیب، در اعماق 30 و 100 سانتی‌متری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکه‌های عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.
ابتدای صفحه