مقايسه روش رگرسيون چند متغيره و شبكه‌ي عصبي مصنوعي در مدل‌سازي دماي خاك با استفاده از عناصر هواشناسي (مطالعه موردي: ايستگاه سينوپتيك بندرعباس)

دماي خاك به عنوان يك عنصر مهم و تأثير‌گذار در رشد گياهان مطرح است، كه در ايستگاه هاي هواشناسي به صورت منظم و پيوسته اندازه‌گيري نمي‌شود، ازاين روي داده‌هاي دماي خاك با كمبود آماري مواجه است. دماي خاك در اعماق مختلف متفاوت و متاثر از دماي محيط بيرون و ديگر عوامل است. در اين تحقيق سعي شده است تا دماي اعماق مختلف خاك رسي- شني (5،10،20،30،50 و100 سانتي متري) را به كمك پارامترهاي روزانه‌ي هواشناسي موجود در ايستگاه هواشناسي بندرعباس به روش رگرسيون چند متغيره و شبكه‌ي عصبي مصنوعي براي دوره آماري سال هاي 1372 تا 1396 مدل سازي شود. پس از محاسبه‌ي ضريب همبستگي بين دماي اعماق خاك با پارامترهاي هواشناسي مشخص گرديد، دماي خشك، مقدار تبخير و دماي نقطه‌ي شبنم بيش ترين همبستگي را با دماي خاك در اعماق مختلف دارد. ميزان قدر مطلق خطاي محاسبه شده در روش رگرسيون بين 1/09 درجه (براي عمق 10 سانتي متري) و 1/88درجه (براي عمق 100 سانتي‌متري) و در روش شبكه‌ي عصبي بين 1/17 و 1/85 درجه مي‌باشد. بنابراين با توجه به ساده بودن رگرسيون چندمتغيره و عدم تفاوت زياد با نتايج شبكه عصبي مصنوعي، از مدل فوق در مناطق مشابه براي پيش‌بيني دماي خاك مي‌توان بهره برد.