مقایسه مدل‌های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت

نویسندگان

1 دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز

2 1 دانشجوی سابق کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز

3 دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز

doi
چکیده

در این تحقیق مقایسه­ای بین شبکه عصبی مصنوعی (ANN) و مدل­های رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج‌شده توسط عصاره­گیرهای مختلف انجام یافت.  برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع‌آوری و در آن خاک­ها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر در آن اندازه‌گیری شد.  نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراج‌شده با روش‌های کالول و اولسن با وزن خشک بخش هوایی ذرت به­ترتیب برابر  49/0 و 44/0 بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روش‌ها بودند. در پیش­بینی شاخص­های مهم وزن خشک و فسفر جذب‌شده توسط گیاه ذرت بر مبنای غلظت فسفر استخراج‌شده توسط عصاره­گیرهای مختلف، ضرایب تبیین مدل­های شبکه عصبی مصنوعی بیشتر از مدل­های رگرسیونی خطی حاصل گردید، لذا چنین نتیجه­گیری شد که می­توان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت.