بهبود دقت پیش بینی رطوبت خاک با استفاده از سناریوهای مختلف

مقدار آب موجود در هر واحد جرم یا حجم خاک را رطوبت خاک می نامند که یکی از عوامل مهم و تعیین کننده برای رشد گیاه، میزانتبخیر و تعرق و همچنین مدیریت آبی در مزرعه است و چون دسترسی به آب موجود در خاک محدود است، بنابراین مدیریت و اندازهگیری آن به یک مسئله ضروری تبدیل شده است. برای تعیین رطوبت از روشهای مختلفی مانند روش مستقیم و روشهای غیر مستقیممانند استفاده از دستگاه بازتاب سنج زمانی و تابش گاما استفاده می شود ولی چون فرآیند رطوبت خاک غیر خطی است یعنی با گذشتزمان تغییر میکند، از اینرو روشهای هوشمند مصنوعی به عنوان یک روش جدید که از قابلیت زیادی در مدلسازی فرآیندهای پیچیدهو غیر خطی برخوردار است میتواند به کاربرده شود. در سالهای اخیر استفاده از روشهای هوشمند مصنوعی مانند الگوریتم بیان ژن برایبرآورد ویژگی های خاک بسیار مورد توجه قرار گرفته است. لذا در این تحقیق به منظور تخمین رطوبت خاک در عمق ۱۰ سانتیمتری درایستگاه Grand Island از دو سناریو مختلف برای ورودی مدل برنامه ریزی بیان ژن استفاده گردید. بهترین متغیرهای ورودی به مدلشامل داده های رطوبت خاک و پارامترهای هواشناسی به همراه سه گام تاخیر زمانی می باشد. برای ارزیابی و تجزیه و تحلیل آماری ازپارامترهای ضریب تبیین ((R(۲)، میانگین خطای مطلق (MAE) و میانگین مجذور ریشه خطا (RMSE) استفاده گردید. نتایج تحقیق نشان داد که سناریو دوم دارای کمترین مقدار شاخص ۲۳ / ۱=RMSE و بیشترین مقدار ۹۸ / ۰=(R(۲ در مقایسه با سایر سناریوها بود.بنابراین این سناریو از عملکرد و دقت بالاتری نسبت به سناریو های دیگر برخوردار است.

بهبود دقت پیش بینی رطوبت خاک با استفاده از سناریوهای مختلف Keywords:

رطوبت خاک , شبکه عصبی مصنوعی , الگوریتم بیانژن , پیش بینی , بهترین سناریو