محمدرضا شعیبی نوبریان - Dept. of Soil Sci., College of Agric. Sci., Tarbiat Modares, Tehran, Iran.
حسین ترابی گل سفیدی - Dept. of Soil Sci., College of Agric. Sci., Shahed Univ., Tehran, Iran.
صابره دربندی - Dept. of Water Eng., College of Agric.l Sci., Tabriz Univ., Tabriz, Iran.

گنجایش تبادل کاتیونی در خاک مجموع نقاط تبادلی کلوئیدهای آلی و معدنی خاک است. مدل سازی و تخمین گنجایش تبادل کاتیونی یک شاخص مفید برای حاصلخیزی خاک می باشد. از رویکردهای جدید جایگزین شده برای تخمین ظرفیت تبادل کاتیونی، روش های غیرمستقیم و مبتنی بر مدل های هوشمند است. در این مطالعه، به منظور تخمین ظرفیت تبادل کاتیونی ، تعداد ۴۸۵ نمونه خاک از دو منطقه چپرسر(مازندران در شمال ایران) و بستان آباد(آذربایجان شرقی در شمال غرب ایران) تهیه گردید. در این تحقیق ضمن معرفی برنامه ریزی ژنتیک، پارامترهای ورودی که شامل درصد رس، کربن آلی و سیلت می باشد با استفاده از مدل های برنامه ریزی ژنتیک، شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی مورد ارزیابی قرار گرفت. نتایج حاصل حاکی از توانایی مطلوب مدل های هوشمند در تخمین مقدار ظرفیت تبادل کاتیونی خاک می باشد. با توجه به شاخص های آماری به کار گرفته شده در تحقیق حاضر، مدل برنامه ریزی ژنتیک با جذر میانگین مربعات خطا ۷۸/۱ و ضریب تبیین ۹۵/۰ نسبت به مدل های دیگر دارای کارایی بالاتری بوده و قادر است نتایج قابل قبولی را ارائه نماید. هم چنین راه حل های صریحی که نشانگر ارتباط بین متغیر های ورودی و خروجی باشد، بر مبنای برنامه ریزی ژنتیک ارائه گردیدند که این امر بر ارجحیت مدل برنامه ریزی ژنتیک بر مدل های دیگر می افزاید. تجزیه رگرسیون گام به گام جهت تعیین سهم هر یک از پارامترهای ورودی در مقدار گنجایش تبادل کاتیونی نشان داد که مواد آلی با داشتن ضریب تبیین ۸۴ درصد بیشترین میزان تغییرات گنجایش تبادل کاتیونی را توجیه نموده است و رس و سیلت به ترتیب دارای ضریب تبیین ۱۰ و ۶ درصد بوده اند.

Artificial Intelligence Models, CEC, Genetic programming, Soils in the North and North West Iran., برنامه ریزی ژنتیک, خاک های شمال و شمال غرب ایران, ظرفیت تبادل کاتیونی, مدل های هوشمند مصنوعی