بهبود طبقه بندي داده هاي نامتعادل خاك با استفاده از الگوريتم هاي يادگيري ماشين در بخشي از اراضي استان زنجان

علي‌رغم استفاده گسترده از روش هاي نقشه برداري رقومي خاك در مطالعات خاكشناسي، محدوديت هاي مربوط به عدم تعادل كلاس هاي خاك مانع عملكرد موفقيت‌آميز بسياري از الگوريتم هاي يادگيري ماشين در اين روش ها شده است. از اينرو هدف از اين پژوهش بهبود عملكرد مدل سازي داده‌هاي نامتعادل خاك با استفاده از روش پيش درماني نمونه گيري مجدد در سه مدل پيش بيني شامل جنگل تصادفي، درخت تصميم توسعه يافته و رگرسيون لجستيك چندجمله اي در بخشي از اراضي استان زنجان است. براي اين منظور موقعيت 148 خاك رخ مشاهداتي بر اساس الگوي شبكه‌بندي منظم با فاصله 500 متر حفر و بر اساس استانداردهاي سيستم جامع رده بندي خاك تشريح و طبقه بندي گرديد. متغيرهاي محيطي شامل اطلاعات نقشه هاي ژئومورفولوژي و زمين شناسي، مدل رقومي ارتفاع و داده هاي حاصل از تصاوير ماهواره‌اي لندست 8 بودند كه بر اساس نظر كارشناسي و رويكرد تحليل مؤلفه اصلي تعدادي از متغيرهاي محيطي به‌عنوان مؤثرترين متغيرهاي محيطي و ورودي مدل انتخاب گرديد. مدل سازي با استفاده از داده‌هاي نامتعادل، منجر به از دست دادن كلاس‌هاي با مشاهده هاي كم تعداد براي هر سه مدل بود. در اين شرايط مدل رگرسيون لجستيك چندجمله‌اي بالاترين دقت (66%) و ضريب كاپا (0/41) را نسبت به دو مدل ديگر نشان داد. پس از نمونه برداري مجدد داده ها در قالب فرآيند متعادل سازي، مدل درخت تصميم توسعه‌يافته با حفظ كلاس هاي كم تعداد با صحت كلي 75% و ضريب كاپا 0/64 در پيش‌بيني مكاني زيرگروه هاي خاك، برآورد قابل قبولي ارائه داد.