تعیین ترکیب بهینه متغیرهای ورودی با استفاده از آزمون گاما برای مدل سازی پتاسیم قابل جذب در سیستم عصبی-فازی (مطالعه موردی: منطقه میانکنگی؛ زابل)

یکی از مراحل مهم و پیچیده برای مدل سازی غیرخطی، پیش پردازش داده های ورودی به منظور انتخاب ترکیبی مناسب از آن ها در مدل می باشد. در این مطالعه آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل سازی پتاسیم قابل جذب استفاده شد. برای تعیین بهینه تعداد داده های مورد نیاز برای مدل سازی از آزمون M استفاده شد. به منظور مدل سازی تعداد هشت متغیر ورودی استفاده گردید. مدل سازی پتاسیم قابل جذب با استفاده از تعداد نقاط بهینه، متغیرهای منتخب با خوشه بندی کاهشی در سیستم عصبی فازی انجام شد. نتایج نشان داد که شش متغیر شامل (درصد رس، سیلت، ماده آلی، هدایت الکتریکی، رطوبت اشباع و pH) ترکیب بهینه متغیرها در مدل سازی پتاسیم قابل جذب در منطقه میانکنگی می باشند. همچنین با استفاده از خروجی آزمون M تعداد 112 داده (60 درصد داده ها) برای بخش آموزش مدل سازی مناسب تشخیص داده شد. نتایج حاکی از این واقعیت است که روش M در قسمت آموزش از دقت و سرعت مناسبی نسبت به روش آزمون و خطا در یافتن تعداد مناسب داده های ورودی، برخوردار می باشد. نتایج حاصل از مدل سازی نیز بیانگر آن بود که روش عصبی فازی توانایی و عملکرد بالایی در برآورد مقدار پتاسیم قابل جذب در خاک های منطقه میانکنگی را داشته است (R2=0.90 و RMSE=4.27). همچنین، در این تحقیق، در راستای مدل سازی و پیش بینی پتاسیم قابل جذب، درصد کربن آلی مهمترین ورودی شناخته شد.