فهرست نشریات علمی دسترسی آزاد ایران

اندازه­گیری مستقیم میانگین وزنی قطر (MWD) خاکدانه­های تر در آزمایشگاه کاری بسیار وقت­گیر و پرهزینه است. هدف از این پژوهش ارائه توابع رگرسیونی، شبکه عصبی مصنوعی (ANN) و نروفازی برای برآورد MWD تر در شمال غرب دریاچه ارومیه بود. در مجموع 100 نمونه خاک دست­خورده و دست­نخورده از عمق 0 تا 10 سانتی­متری اراضی کشاورزی و بایر منطقه شبستر برای تعیین برخی ویژگی­های فیزیکی و شیمیایی زودیافت خاک برداشته­شد. متغیر MWD به روش الک تر در آزمایشگاه اندازه­گیری­شد. برای آموزش توابع از 80 درصد داده­ها و برای آزمون توابع از 20 درصد داده­ها استفاده گردید. همبستگی مثبت و معنی­دار بین شن با کربن آلی (**43/0) و رس با نسبت جذبی سدیم (SAR) (**60/0) یافت شد. همبستگی مثبت و معنی­دار بین MWD با کربن آلی (**58/0) و شن (**60/0) و همبستگی منفی و معنی­دار بین MWD با رس (**48/0-) و SAR (**57/0-) تعیین گردید. نتایج توابع انتقالی نشان داد کربن آلی، شن و SAR مهم­ترین متغیرهای زودیافت در برآورد MWD بودند. مقادیر ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE) و میانگین خطا (ME) به­ترتیب 84/0، mm 192/0،mm  122/0- و 84/0،  mm154/0 ، mm 030/0 و 87/0،mm 215/0 و mm 161/0-  به­ترتیب برای بهترین تابع رگرسیونی، ANN و نروفازی در داده­های آزمون به­دست آمد. بنابراین توابع ANN به­دلیل داشتن RMSE پایین و ME نزدیک به صفر در مقایسه با توابع رگرسیونی و نروفازی از دقت بیشتری در برآورد MWD تر در خاک­های منطقه مورد مطالعه برخوردار بودند.