برازش توابع انتقالي خاك با استفاده از رگرسيون فازي

Modeling Pedotransfer Functions Using Fuzzy Regression

توابع انتقالي خاك عبارت‌اند از مدل‌هاي تخمين يك خصوصيت مشخص خاك با استفاده از ويژگي‌هايي كه اندازه‌گيري آنها آسان، سريع و يا ارزان مي‌باشد. روش معمول در برازش توابع انتقالي خاك استفاده از رگرسيون آماري است. اين روش بر پايه فرض دقيق بودن متغيرهاي مورد مطالعه و مشاهدات مربوط به آنها استوار بوده و در نهايت روابط بين متغيرها نيز به طور دقيق مشخص مي‌شود. در مدل سازي سيستم‌هاي طبيعي مانند خاك، عموماً با مشاهدات نادقيق و يا روابط مبهم رو به رو هستيم، بنابراين استفاده از روش‌هاي برازش توابع كه قادر به تبيين ساختار مبهم سيستم و در اختيار نهادن الگوهاي منبطق با واقعيت هستند، ضروري است. در بررسي حـاضر از روش رگـرسيون مبتني بر نـظريه مجموعه‌هاي فازي به منظور برازش توابع انتقالي شيميايي و فيزيكي خاك استفاده شد. مدل‌هاي بهينه رگرسيون خطي با ضرايب فازي براي توابع فوق به دست آمد. تجزيه و تحليل حساسيت بر پايه سطح اعتبار و با توجه به مقدار ابهام مدل‌ها و مقدار شاخص اطمينان مدل‌ها انجام شد. نتايج نشان داد كه روش رگرسيون فازي در شرايط روابط ابهامي بين متغيرها و به طور كلي در مواردي كه با خطاهاي ناشي از ابهام در ساختار معادلات رگرسيوني رو به رو هستيم، مي‌تواند مكمل و يا جايگزين مناسبي براي روش رگرسيون آماري تلقي شود.

Pedotransfer functions are the predictive models of a certain soil property from other easily, routinely, or cheaply measured properties. The common approach for fitting the pedotransfer functions is the use of the conventional statistical regression method. Such an approach is heavily based on the crisp obervations and also the crisp relations among variables. In the modeling natural systems, like soil, we are dealing with imprecise observations and the vague relations among the variables. Therefore, we need an appropriate algorithm for modeling such a fuzzy structures. In the present study, the fuzzy regression approach was used in order to fit some chemical and physical pedotransfer functions. The optimum regression models with the fuzzy coefficients were obtained for modeling pedotransfer functions. Sensivity analysis was carried out by using the credibility level. The results indicated that the fuzzy regression might be considered, as a suitable alternative or a complement to the statistical regression, whenever a relationship between variables is imprecise and generally when dealing with the errors due to a vaguness in regression models.