توسعه مدل هيبريدي شبكه عصبي فازي- الگوريتم شاهين هريس (ANFIS-HHO) جهت پيش‌بيني ظرفيت تبادل كاتيوني خاك

پيش بيني مقدار ظرفيت تبادلي خاك به دليل اين كه يك شاخص مهم در كيفيت خاك براي ذخيره مواد مغذي است، بسيار ارزشمند است. در اين پژوهش با استفاده از شبكه عصبي – فازي (ANFIS) به پيش‌بيني ظرفيت تبادلي خاك با پارامترهاي ورودي خصوصيات خاك نظير رس، لجن، شن، گچ و مواد آلي پرداخته شد. محدوده مطالعاتي در نظر گرفته‌شده در شمال غرب ايران بود كه در حدود 380 نمونه از ناحيه‌هاي مختلف برداشت‌شده است. از اين تعداد نمونه‌ها حدود 75% داده‌ها براي آموزش و 25% داده‌ها براي آزمون در نظر گرفته شد. با توجه به تعداد ورودي‌هاي مختلف حدود 6 الگو از تركيب پارامترهاي ورودي تدوين شد. جهت بهبود نتايج پيش‌بيني از الگوريتم شكار شاهين هريس (HHO) جهت آموزش ANFIS استفاده شد. نتايج الگوهاي هر مدل به‌وسيله شاخص‌هاي ارزيابي چون خطاي جذر ميانگين مربعات (RMSE)، درصد ميانگين مطلق خطا (MAPE)، شاخص همبستگي (CC)، شاخص ويليامز (WI) و دياگرام تيلور مورد تحليل قرار گرفت. نتايج نشان داد الگوي ورودي P6 كه تمام پارامترهاي ورودي را شامل مي شود داراي بيش ترين دقت در پيش‌بيني CEC مي باشد. در اين الگو مقادير خطا CC،WI ، MAPE  و RMSE براي داده‌هاي آزمون به ترتيب برابر 0.90، 0.75، 0.11 و cmol/kg 1.89 به دست آمد. نتايج دياگرام تيلور نيز بيان‌گر دقت مناسب الگوي مذكور  است؛ به‌طوري‌كه مي‌توان با دقت مناسبي به پيش‌بيني CEC پرداخت. در حالت كلي با استفاده از الگوريتم HHO خطاي پيش‌بيني در حدود 1.3 تا cmol/kg 2 كاهش يافت.