فهرست نشریات علمی دسترسی آزاد ایران

یکی از مراحل مهم و پیچیده برای مدل­سازی غیرخطی، پیش پردازش داده­های ورودی به منظور انتخاب ترکیبی مناسب از آن­ها در مدل می­باشد. در این مطالعه آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل­سازی پتاسیم قابل جذب استفاده شد. برای تعیین بهینه تعداد داده­های مورد نیاز برای مدل­سازی از آزمون M استفاده شد. به منظور مدل­سازی تعداد هشت متغیر ورودی استفاده گردید. مدل­سازی پتاسیم قابل جذب با استفاده از تعداد نقاط بهینه، متغیرهای منتخب با خوشه­بندی 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 مدل­سازی پتاسیم قابل جذب در منطقه میانکنگی می­باشند. همچنین با استفاده از خروجی آزمون M تعداد 112 داده (60 درصد داده­ها) برای بخش آموزش مدل­سازی 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 داده­های ورودی، برخوردار می­باشد. نتایج حاصل از مدل­سازی نیز بیانگر آن بود که روش عصبی فازی توانایی و عملکرد بالایی در برآورد مقدار پتاسیم قابل جذب در خاک­های منطقه میانکنگی را داشته است (R2=0.90 و RMSE=4.27). همچنین، در این تحقیق، در راستای مدل­سازی و پیش­بینی پتاسیم قابل جذب، درصد کربن آلی مهمترین ورودی شناخته شد.