احمد بازوبندی - دانشجو کارشناسی ارشد دانشکده ی کشاورزی، دانشگاه شاهرود
ایمان صابری - دانشجو کارشناسی ارشد دانشکده ی کشاورزی، دانشگاه فردوسی مشهد
هادی قربانی - دانشیاران دانشکده ی کشاورزی دانشگاه شاهرود
صمد امامقلی زاده - دانشیاران دانشکده ی کشاورزی دانشگاه شاهرود

با توجه به زمان بر و هزینه بر بودن اندازهگیری فسفر خاک، در مطالعه حاضر توانایی شبکه عصبی مصنوعی برای پیش بینی پارامترمذکور موردبررسی قرار گرفت. بدین منظور در این مطالعه از 100 نمونه خاک استان گیلان استفاده شد. برای انجام شبیه سازی ازنرم افزار Qnet2000 که بر پایه شبکه عصبی پرسپترون چندلایه (MLP) می باشد، استفاده شد. برای انجام شبیه سازی ازپارامترهای تأثیرگذار بر فسفر خاک مانند شن، سیلت، رس، کربن آلی، pH و ظرفیت کاتیون تبادلی استفاده شد. نتایج نشان دادکه شبکه ی پرسپترون چندلایه (MLP) به خوبی پیش بینی فسفر خاک را انجام داده است و روشی مناسب برای این پیش بینیمیزان فسفر خاک به کمک خصوصیات خاک است.

شبکه ی عصبی، پرسپترون چندلایه، MILP, Qnet2000 ، ظرفیت تبادل کاتیونی