پیش بینی میزان سرب خاک با استفاده از خصوصیات زودیافت براساس مدل شبکه عصبی مصنوعی

افزایش تولید آلاینده ها از جمله فلزات سنگین یکی از مشکلات جدی و در حال گسترش جامعه بشری است. آلودگی به فلزات سنگین نه تنها بر خصوصیات فیزیکی و شیمیایی خاک تاثیرگذار است، بلکه برای سلامتی انسان از طریق ورود به چرخه غذایی و نفوذ به آب های زیرزمینی خطرناک است. مطالعه حاضر با هدف پیش بینی میزان سرب خاک به عنوان یکی از مهم ترین فلزات سنگین با استفاده از خصوصیات زود یافت خاک به کمک مدل شبکه عصبی مصنوعی انجام شد. بدین منظور 63 نمونه از عمق صفر تا 30 سانتی متر خاک های مختلف واقع در حاشیه رودخانه کشف رود در شمال شهرستان مشهد برداشته شد. پارامترهای pH، هدایت الکتریکی، فراوانی نسبی ذرات، کربن آلی و سرب خاک اندازه گیری شدند. مدل شبکه عصبی مصنوعی نوع پرسپترون چندلایه برای پیش بینی غلظت سرب خاک مورداستفاده قرار گرفت. ارزیابی مدل با استفاده از پارامترهای آماری مانند ضریب تبیین (R2)، میانگین خطای مطلق (MAE) و همچنین مجذور میانگین مربعات خطا (RMSE) انجام شد. نتایج نشان داد که کارایی مدل شبکه عصبی مصنوعی مناسب است و می تواند به عنوان روشی دقیق جهت جایگزین شدن با روش پرهزینه و زمان بر اندازه گیری مستقیم آزمایشگاهی این فلز سنگین در خاک مورداستفاده قرار گیرد.