مقایسه روش های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیش بینی شوری خاک (مطالعه موردی: شهرستان اردکان)

در سال های اخیر از روش های غیرمستقیم برای برآورد شوری خاک استفاده می شود. بدین منظور، در این پژوهش ششصد نمونه جمع آوری شده از منطقه اردکان آزمایش شد و قرائت های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی شامل شاخص اراضی، شاخص خیسی، و انحنای شیب به عنوان ویژگی های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی متری به عنوان ویژگی های دیریافت تخمین زده شد. در این زمینه، داده ها به دو سری تقسیم شد: سری آموزشی (80% داده ها)؛ سری ارزیابی (20% داده ها). به منظور مدل سازی و پیش بینی شوری، از مدل های نروفازی، شبکه عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدل ها بر اساس شاخص های ریشه مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین نشان داد که مدل نروفازی دارای بالاترین دقت در پیش بینی ویژگی های خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقت پیش بینی شوری را، به ترتیب، در اعماق 30 و 100 سانتی متری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکه های عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.