مدل‌سازي تراكم خاك زير تاير تراكتور با استفاده از شبكه عصبي پرسپترون چندلايه

يكي از مخرب‌ترين آثار تردد ماشين در مزرعه ايجاد تراكم در خاك‌هاي كشاورزي است. تراكم خاك‌هاي كشاورزي موجب افزايش مقاومت مكانيكي خاك، كاهش ريشه دواني گياه و نهايتاً كاهش عملكرد محصول مي‌شود. مدل‌سازي سيستم‌هاي اكولوژيك توسط روش‌هاي متداول مدل‌سازي، به‌دليل ماهيت پيچيده آنها در صورت امكان نيز بسيار مشكل است. سيستم‌هاي هوش مصنوعي و محاسبات نرم به‌واسطه سادگي و دقت بالا با يك‌بار تعريف يا آموزش بسيار مورد توجه هستند. هدف از انجام اين تحقيق مدل‌سازي سيستم تراكم خاك تحت تأثير رطوبت خاك، سرعت پيشروي ماشين و عمق خاك توسط شبكه‌هاي عصبي مصنوعي پرسپترون چندلايه بود. در اين پژوهش، رطوبت خاك در پنج سطح 11%، 13/5%، 16%، 19% و 22%، ميانگين سرعت پيشروي ماشين در پنج سطح 1، 2، 3، 4 و 5 كيلومتر بر ساعت و عمق‌هاي مختلف خاك در سطوح 20، 25، 30، 35 و 40 سانتي‌متر در نظر گرفته شد. داده‌هاي تجربي در مزرعه تحقيقاتي دانشگاه محقق اردبيلي به‌صورت آزمايش فاكتوريل در قالب طرح بلوك‌هاي كامل تصادفي در پنج سطح رطوبت، سرعت پيشروي و عمق خاك در سه تكرار به‌دست آمدند. شبكه عصبي پرسپترون با پنج نرون در لايه پنهان با تابع انتقال سيگموييدي و تابع انتقال خطي براي نرون خروجي براي مدل‌سازي طراحي و آموزش داده شد. مقايسه نتايج مدل و نتايج تجربي نشان‌دهنده ضريب تبيين 0/99 =R^2 بين اين مقادير بود. مقدار ميانگين مربعات خطاي مدل و درصد ميانگين مطلق خطاي سيستم به‌ترتيب برابر 0/17 و 0/29 درصد به‌دست آمدند كه نشان از دقت بالاي مدل شبكه عصبي در تخمين مقادير تراكم خاك دارد.