پیش بینی میزان خردشدگی خاک طی عملیات خاک ورزی با استفاده از سیستم استنتاج فازی- عصبی (ANFIS)

ایجاد ساختمان مناسب برای خاک به منظور رشد محصول از اهمیت زیادی برخوردار است و یکی از مشخصه های اصلی ساختمان خاک، اندازه خاک دانه ها می باشد. راه های مختلفی جهت نشان دادن وضعیت پایداری خاک دانه ها وجود دارد که از متداول ترین آنها می توان به تعیین میانگین وزنی قطر خاک دانه ها اشاره کرد. در این مقاله از روش سیستم استنتاج فازی بر پایه شبکه عصبی تطبیقی (ANFIS) برای توصیف میزان خرد شدن خاک در ترکیب ادوات خاک ورزی اولیه و ثانویه شامل زیرشکن، گاوآهن برگرداندار و دیسک ثانویه به منظور تهیه زمین برای کاشت محصولات زراعی استفاده شد. سیستم استنتاج فازی- عصبی تطبیقی روش مناسبی برای حل مسایل غیرخطی است. ANFIS ترکیبی از روش استنتاج فازی (FIS) و شبکه عصبی مصنوعی (ANN) است که از توانایی هر دو مدل بهره می برد. در این تحقیق، ورودی های مدل شامل محتوی رطوبتی خاک، سرعت پیشروی تراکتور و لایه های عمقی شخم بود. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی (ε)، میانگین خطای مطلق (MAE) و ضریب تبیین (R2) استفاده شد که به ترتیب 0/135، 3/6%، 0/122 و 0/981 به دست آمد. به-منظور ارزیابی مدل ANFIS، داده های به دست آمده از این مدل با داده های مدل شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. مقایسه نتایج به-دست آمده از مدل فازی- عصبی و شبکه عصبی مصنوعی نشان داد که مدل ANFIS داده های نزدیک تری به داده های واقعی در مقایسه با مدل شبکه عصبی مصنوعی ارایه کرد.

Keywords:

خاک ورزی , خردشدگی خاک , میانگین وزنی قطر خاک دانه ها , سیستم استنتاج فازی- عصبی , شبکه عصبی مصنوعی