مدل‌سازی
جلال برادران مطیع؛ محمدحسین آق خانی؛ عباس روحانی؛ امیر لکزیان
چکیده
از جمله سامانه‌هایی که در تهیه نقشه هدایت الکتریکی خاک مزارع به‌کار می‌روند، سامانه‌های مبتنی بر روش تماس مستقیم الکترود با خاک می‌باشند. در این تحقیق با علم به اینکه علاوه بر شوری پارامترهای فیزیکی و شیمیایی خاک نیز در هدایت‌پذیری الکتریکی خاک تاثیرگذارند، به کمک روش شبکه عصبی RBF در طرح آماری باکس- بنکن به بررسی تاثیر پارامترهای ...
بیشتر
از جمله سامانه‌هایی که در تهیه نقشه هدایت الکتریکی خاک مزارع به‌کار می‌روند، سامانه‌های مبتنی بر روش تماس مستقیم الکترود با خاک می‌باشند. در این تحقیق با علم به اینکه علاوه بر شوری پارامترهای فیزیکی و شیمیایی خاک نیز در هدایت‌پذیری الکتریکی خاک تاثیرگذارند، به کمک روش شبکه عصبی RBF در طرح آماری باکس- بنکن به بررسی تاثیر پارامترهای اثرگذار بر نتایج روش تماس مستقیم در اندازهگیری هدایت الکتریکی ظاهری خاک پرداخته و مدلی جهت تخمین هدایت الکتریکی واقعی خاک با داشتن هدایت الکتریکی ظاهری، دما، درصد رطوبت و چگالی توده تعیین شد. اندازهگیری همزمان پارامترهای موثر می‌تواند مرحله کالیبراسیون را حذف کند. مدل شبکه عصبی به‌دست آمده توانست به‌خوبی با ضریب تبیین 99/0، ECe را تخمین بزند. ضمن بررسی الگوریتم‌های مختلف آموزش شبکه عصبی عملکرد الگوریتم آموزشی بیزین بهتر از سایر الگوریتم‌ها تشخیص داده شد. نتایج تحلیل حساسیت شبکه نشان داد به‌ترتیب متغیرهای ECa، رطوبت، دما و چگالی توده بیشترین تاثیر را در تخمین مقدار ECe خاک دارند، به‌طوری‌که با حذف آنها از مدل ضریب تبیین از 99/0 به‌ترتیب به 30/0، 35/0، 56/0 و 63/0 کاهش می‌یابد. پس از مرحله مدل‌سازی، مدل شبکه عصبی به‌دست آمده با یک گروه داده مزرعه‌ای مورد اعتبارسنجی قرار گرفت. نتایج اعتبارسنجی مدل ضریب تبیین 986/0 بین خروجی مدل و مقادیر ECe اندازهگیری شده در آزمایشگاه را نشان داد. بدین ترتیب با استفاده از این مدل ضمن اندازهگیری همزمان پارامترهای ذکر شده همراه با هدایت الکتریکی می‌توان دقت سامانه‌های اندازهگیری هدایت الکتریکی ظاهری خاک در تخمین و تهیه نقشه‌های شوری خاک افزایش داد. همچنین با توجه به عدم نیاز به داده‌برداری مجدد جهت کالیبراسیون سامانه‌ها، استفاده از این مدل زمان تحلیل داده‌ها و هزینه تهیه نقشه هدایت الکتریکی خاک را کاهش می‌دهد.
