کاربرد رویکرد یادگیری حساس به هزینه برای پیش بینی کلاس های نامتعادل خاک

سابقه و هدف: مدیریت بهینه خاک و توسعه پایدار کشاورزی، نیاز به دسترسی اطلاعات دقیق و معتبر در مورد وضعیت و طبقه بندی خاک دارد و پیش بینی دقیق کلاس های خاک و تعیین مکانی آن ها از اهمیت بالایی برخوردار است. استفاده از روش های یادگیری ماشین و به خصوص رویکرد یادگیری حساس به هزینه می تواند با در نظر گرفتن نامتوازنی در توزیع کلاس های خاک، به بهبود دقت و کارایی پیش بینی کلاس های خاک کمک کرده و اطلاعات ارزشمندی برای مدیریت بهینه خاک و کشاورزی فراهم کند. با این هدف، این مطالعه در بخشی از اراضی جنوب غربی استان زنجان انجام شد.مواد و روش ها: تعداد ۱۴۸ خاک رخ با روش الگوی شبکه بندی منظم و میانگین فاصله ۵۰۰ متر حفر، تشریح و با تجزیه وتحلیل آزمایشگاهی تا سطح فامیل رده بندی شد. متغیرهای محیطی شامل اطلاعات نقشه های ژئومورفولوژی و زمین شناسی، مدل رقومی ارتفاع و داده های حاصل از تصاویر ماهواره ای لندست ۸ بودند که بر اساس نظر کارشناسی و رویکرد تحلیل مولفه اصلی تعدادی از متغیرهای محیطی شامل اطلاعات نقشه های ژئومورفولوژی، اطلاعات زمین شناسی، سایه اندازی تپه ها، طلوع خورشید، عمق دره، شاخص طول در جهت شیب، فاصله تا شبکه آبراهه، شاخص رطوبتی توپوگرافی و شاخص همواری بالای پشته با درجه تفکیک بالا به عنوان موثرترین متغیرهای محیطی برای پیش بینی کلاس های خاک و ورودی مدل ها انتخاب شد. مدل سازی رابطه خاک - زمین نما با استفاده از الگوریتم یادگیرنده جنگل تصادفی و رویکرد یادگیری حساس به هزینه در محیط نرم افزار "Rstudio" انجام شد.یافته ها: خاک های منطقه در پنج کلاس با توزیع نامتعادل تا سطح زیرگروه شامل تیپیک کلسی زرپتز، تیپیک هاپلوزرپتز، جیپسیک هاپلوزرپتز، تیپیک زراورتنتز و لیتیک زراورتنتز بودند. مقادیر صحت کلی و ضریب کاپا برای ارزیابی نقشه خاک در مدل جنگل تصادفی ۶۵ درصد و ۳۲/۰ و در رویکرد یادگیری حساس به هزینه ۸۶ درصد و ۷۷/۰ به دست آمد. مقادیر صحت سنجی پیش بینی کلاس های خاک در سطح زیرگروه نشان داد پس از متعادل سازی با رویکرد یادگیری حساس به هزینه تمامی کلاس های خاک به ویژه دو کلاس اقلیت جیپسیک هاپلوزرپتز و لیتیک زراورتنتز به ترتیب با مقادیر صحت کاربر ۱۰۰ درصد و صحت تولیدکننده ۹۱ و ۸۵ درصد، با صحت بسیار بالایی پیش بینی شدند. مقادیر شاخص حساسیت برای دو کلاس اقلیت جیپسیک هاپلوزرپتز (صفر) و لیتیک زراورتنتز (صفر) نشان می دهد که هیچ پیش بینی صحیحی برای این دو کلاس اقلیت انجام نگرفته است. مقادیر شاخص ویژگی برای کلاس-های جیپسیک هاپلوزرپتز و لیتیک زراورتنتز به ترتیب برابر ۱ و ۹۷/۰ بود. این مقادیر نشان می دهند که توانایی مدل جنگل تصادفی در تشخیص این دو کلاس نسبت به سایر کلاس ها بسیار بالاتر است. نتایج صحت متعادل نشان داد که بااینکه تشخیص مدل در تمایز کلاس های اقلیت جیپسیک هاپلوزرپتز و لیتیک زراورتنتز با مقادیر ۵۰/۰ و ۴۹/۰ نسبت به سایر کلاس ها مشکل تر است اما بااین وجود مدل می تواند به صورت نسبتا خوب کلاس ها را پیش بینی کند.نتیجه گیری: نتایج مطالعه موید آن است که روش بهبود داده های نامتعادل با رویکرد یادگیری حساس به هزینه سبب افزایش دقت پیش بینی در کلاس های خاک و نقشه تولیدشده می شود. تمرکز مدل در روش یادگیری حساس به هزینه بر روی داده های با فراوانی کم (اقلیت) است و این موضوع، موجب کاهش خطای پیش بینی و افزایش دقت مدل می گردد. نتایج نشان داد که الگوریتم جنگل تصادفی با استفاده از رویکرد یادگیری حساس به هزینه می تواند بهبود معناداری در تمایز دادن کلاس های خاک به ویژه کلاس های اقلیت داشته باشد.

کاربرد رویکرد یادگیری حساس به هزینه برای پیش بینی کلاس های نامتعادل خاک Keywords:

جنگل تصادفی , صحت متعادل , کلاس اقلیت , یادگیری ماشین