فهرست نشریات علمی دسترسی آزاد ایران

ظرفیت تبادل کاتیونی (CEC) یکی از مهم‌ترین ویژگی‌های خاک در ارتباط با نگهداری مواد غذایی، آب در خاک و همچنین مدیریت آلودگی خاک می‌باشد. اندازه‌گیری CEC کاری دشوار و وقت‌گیر است، بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می‌باشد. در این پژوهش با کمک مدل‌های هوشمند و با استفاده از خصوصیات فیزیکی و شیمیایی خاک مانند توزیع اندازه ذرات، کربن آلی، میزان رس، شن، فسفر، نیتروژن، pH  و EC به پیش‌بینی CEC خاک پرداخته شد. سه مدل هوشمند شامل شبکه‌های عصبی مصنوعی از نوع MLP، شبکه‌های عصبی مصنوعی از نوع RBF  و مدل عصبی-فازی تطبیقی (ANFIS) برای پیش‌بینی مورداستفاده قرار گرفت. 250 نمونه‌ی خاک جمع‌آوری‌شده به دودسته‌ی آموزش (80 درصد داده‌ها) و صحت سنجی (20 درصد داده‌ها) تقسیم شدند. دقت پیش‌بینی مدل مورداستفاده به‌وسیله شاخص‌های آماری مانند میانگین قدر مطلق خطا (MAE)، ضریب تبیین (R2) و ریشه دوم میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت. نتایج به‌دست‌آمده کارایی بالاتر مدل شبکه عصبی مصنوعی MLP را در مقایسه با دو مدل مذکور با مقادیر MAE، RMSE، R2 به ترتیب برابر با 79/1، 54/2 و 81/0 نشان داد. همچنین آنالیز حساسیت انجام‌شده بر روی ‌داده‌های ورودی به مدل نشان داد کربن آلی بیشترین و pH کمترین همبستگی را با ظرفیت تبادل کاتیونی دارند. با توجه به نتایج این مطالعه استفاده از شبکه عصبی مصنوعی برای تخمین ظرفیت تبادل کاتیونی خاک به‌خوبی امکان‌پذیر است و می‌تواند با کارایی مناسب در جهت سهولت در اندازه‌گیری و صرفه‌جویی در زمان و هزینه‌ها به کار گرفته شود.