ترکیب بهینه متغیرهای ورودی با استفاده از آزمون گاما برای مدل سازی پتاسیم قابل جذب بر مبنای خوشه بندی Subtractive فازی

یکی از مراحل مهم و پیچیده برای مدل سازی غیرخطی، پیش پردازش داده های ورودی به منظور انتخاب ترکیب تیم مناسب از آن ها در مدل می باشد. در این مطالعه آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل سازی پتاسیم قابل جذب استفاده شده است. مدل سازی پتاسیم قابل جذب و استفاده از تعداد نقاط بهینه متغیرهای منتخب با خوشه بندی کاهشی در سیستم عصبی فازی انجام شد. نتایج نشان داد که شش متغیر شامل (در صد رس، سیلت، ماده آلی، هدایت الکتریکی، رطوبت اشباع و pH ) ترکیب به سینه متغیرها در مدل سازی پتاسیم قابل جذب در منطقه میانکنگی می باشد. همچنین با استفاده از خروجی آزمون M تعداد 112داده ( 60% داده ها) برای بخش آموزش مدل سازی مناسب تشخیص داده شد. نتایج حاکی از این واقعیت است که روش M دست آموزش از دقت و سرعت مناسبی نسبت به روش آزمون و خطا دریافتن تعداد مناسب داده های ورودی برخوردار می باشد. نتایج حاصل از مدل سازی نیز بیانگر آن بود که روش عصبی فازی توانایی و عملکرد بالایی در برآورد مقدار پتاسیم قابل جذب و در خاک های منطقه میانکنگی را داشته است ( 0.90=R2 و 4.27 = RMSE).

Keywords:

پتاسیم قابل جذب , ویژگی های زودیافت , آزمون گاما , آزمون M , نروفازی