تأثير پيش ‌پردازش متغيرهاي ورودي مدل عصبي - فازي همراستا با استفاده از روش تجزيه به مؤلفه اصلي جهت برآورد درصد سديم تبادلي خاك

خاك‌هاي سديمي به‌دليل درصد بالاي سديم تبادلي ويژگي‌هاي فيزيكي و شيميايي نامطلوبي دارند. اين مشكل منجر به كاهش ظرفيت آب قابل استفاده و كاهش رشد گياهان مي‌شود. براي اندازه‌گيري درصد سديم تبادلي نياز به اطلاع از مقدار ظرفيت تبادل‌كاتيوني است. اما اندازه‌گيري آن پرهزينه بوده و زمان بر نيز مي‌باشد. بنابراين، اندازه‌گيري آن با استفاده از ويژگي‌هاي زوديافت خاك ضروري است. هدف از انجام اين پژوهش توسعه يك مدل هوشمند بر اساس هوش مصنوعي و با استفاده از مدل تلفيقي عصبي- فازي همراستا (CANFIS) براي تخمين درصد سديم تبادلي در جنوب شرقي استان آذربايجان شرقي است. در اين رابطه 209 نمونه خاك به‌صورت شبكه‌بندي منظم (250×250 متر) از عمق صفر تا 25 سانتي‌متري برداشت و براي اندازه‌گيري درصد سديم تبادلي و برخي ديگر از عوامل تأثيرگذار بر روي آن به آزمايشگاه منتقل شد. نتايج نشان داد كه به‌ترتيب نسبت جذب سديم (0.961)، هدايت الكتريكي (0.808)، pH (0.638)، مقدار رس (0.524)، شن (0.482) و سيلت (0.389) بيشترين تأثير را در تخمين درصد سديم تبادلي خاك دارند. در اين پژوهش رابطه بين درصد سديم تبادلي و نسبت جذب سديم با ضريب تبيين 0.91 محاسبه‌ شد. مدل CANFIS با ورودي‌هاي انتخاب ‌شده از آناليز به مؤلفه‌هاي اصلي مشتمل بر نسبت جذب سديم، هدايت الكتريكي، واكنش خاك داراي كارائي بيشتري نسبت به مدل CANFIS با پنج ورودي نشان داد. ‌طوري‌كه آماره‌هاي جذرميانگين مربعات خطا و ضريب تبيين براي مدل مناسب‌تر و به‌ترتيب 1.0 و 0.96 محاسبه شد. نتايج مويد كارايي بالاي شبكه‌هاي عصبي - فازي در تخمين درصد سديم تبادلي است.