كاربرد مدل‌هاي هوشمند در تخمين مقدار ظرفيت تبادل كاتيوني در خاك‌هاي شمال و شمال‌غرب ايران

Use of the Intelligent Models to Estimate the Soil Cation Exchange Capacity in North and North West of Iran

گنجايش تبادل كاتيوني در خاك مجموع نقاط تبادلي كلوئيدهاي آلي و معدني خاك است. مدل سازي و تخمين گنجايش تبادل كاتيوني يك شاخص مفيد براي حاصلخيزي خاك مي باشد. از رويكردهاي جديد جايگزين شده براي تخمين ظرفيت تبادل كاتيوني، روش هاي غيرمستقيم و مبتني بر مدل هاي هوشمند است. در اين مطالعه، به منظور تخمين ظرفيت تبادل كاتيوني ، تعداد 485 نمونه خاك از دو منطقه چپرسر(مازندران در شمال ايران) و بستان آباد(آذربايجان شرقي در شمال غرب ايران) تهيه گرديد. در اين تحقيق ضمن معرفي برنامه ريزي ژنتيك، پارامترهاي ورودي كه شامل درصد رس، كربن آلي و سيلت مي باشد با استفاده از مدل هاي برنامه ريزي ژنتيك، شبكه عصبي مصنوعي و سيستم استنتاج عصبي فازي مورد ارزيابي قرار گرفت. نتايج حاصل حاكي از توانايي مطلوب مدل هاي هوشمند در تخمين مقدار ظرفيت تبادل كاتيوني خاك مي باشد. با توجه به شاخص هاي آماري به كار گرفته شده در تحقيق حاضر، مدل برنامه ريزي ژنتيك با جذر ميانگين مربعات خطا 78/1 و ضريب تبيين 95/0 نسبت به مدل هاي ديگر داراي كارايي بالاتري بوده و قادر است نتايج قابل قبولي را ارائه نمايد. هم چنين راه حل هاي صريحي كه نشانگر ارتباط بين متغير هاي ورودي و خروجي باشد، بر مبناي برنامه ريزي ژنتيك ارائه گرديدند كه اين امر بر ارجحيت مدل برنامه ريزي ژنتيك بر مدل هاي ديگر مي افزايد. تجزيه رگرسيون گام به گام جهت تعيين سهم هر يك از پارامترهاي ورودي در مقدار گنجايش تبادل كاتيوني نشان داد كه مواد آلي با داشتن ضريب تبيين 84 درصد بيشترين ميزان تغييرات گنجايش تبادل كاتيوني را توجيه نموده است و رس و سيلت به ترتيب داراي ضريب تبيين 10 و 6 درصد بوده اند.

CEC of the soil is the exchange sites of organic and inorganic soil colloids. Modeling and Estimation of CEC is a useful indicator for fertility. The new alternative approaches for estimating CEC are indirect methods based on intelligent models. In this research in order to estimate CEC, 485 soil sles were prepared from two regions, chaparsar (Mazandaran in northern Iran) and Bostanabad (North of West Azarbaijan, Iran).In this paper introduces the application of genetic programming. Input parameters that are percent Clay, Organic Carbon and Silt, evaluate using genetic programming, neural network and Neural Inference SystemsFuzzy models. The results indicate a good ability to intelligent models for CEC Estimation According to indices used in this study. Genetic programming model with a root mean square error of 1.78 and coefficient of determination 0.95 compared to other models have been more efficient and is able to provide satisfactory results, Also are the explicit solutions that reflect the relationship between input an output variable, was presented based on genetic programming. This preferred the genetic programming model adds the other models. Stepwise regression analysis to determine the contribution of each of the parameters indicated in the CEC that organic materials having Most coefficient of variation of 84% is justified CEC and clay and silt, respectively, with a correlation coefficient of 10% and 6% respectively.