ارزیابی پارامترهای موثرجهت پیشبینی عیار پتاسیم شورابه با استفاده از الگوریتمهای ماشین بردار پشتیبان و جنگل تصادفی (مطالعه موردی: پلایای شهرستان خور و بیابانک، استان اصفهان) | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 1، فروردین 1403، صفحه 145-161 اصل مقاله (2.13 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2023.368909.669610 | ||
| نویسندگان | ||
| مریم ایرجی* 1؛ سید علیرضا موحدی نائینی1؛ چوقی بایرام کمکی2؛ سهیلا ابراهیمی1؛ بامشاد یغمایی3 | ||
| 1گروه علوم و مهندسی خاک، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. | ||
| 2گروه مدیریت مناطق بیابانی، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. | ||
| 3گروه باستان شناسی، دانشکده علوم انسانی، موسسه آموزش عالی معماری و هنرپارس ،تهران، ایران. | ||
| چکیده | ||
| اهمیت پتاسیم در بالا بردن کمیت و کیفیت محصولات کشاورزی، تقاضا را برای کودهای پتاسیمی افزایش داده است. تضمین استخراج پتاسیم از شورابههای زیرزمینی مقدار عیار پتاسیم در آنهاست. هدف این پژوهش استفاده از الگوریتمهای جنگل تصادفی (RF) و ماشین بردار پشتیبان(SVM) بهمنظور اولویتبندی پارامترهای مؤثر بر عیار پتاسیم شورابه زیرزمینی در پلایای خور و بیابانک استان اصفهان است. به همین منظور تعداد 55 پارامتر در 12 گمانه حفاری اندازهگیری شد. پارامترهای اندازهگیری شده بهعنوان متغیرهای مستقل شامل درصد رطوبت اشباع مغزه در 15عمق مختلف، جرم مخصوص ظاهری مغزه در 15عمق مختلف، تخلخل مغزه در 15عمق مختلف، مساحت پلیگون، عمق آب زیرزمینی، عمق لایه نمک، پتاسیم لایه سطحی، دانسیته شورابه و میزان عناصر کلسیم، منیزیم، سدیم، کلر و عیار پتاسیم بهعنوان متغیر وابسته وارد مدل شدند. در مدلRF برای اولویتبندی، پارامترها از روشهای اهمیت ویژگی جایگشت(PFI) و حذف ویژگی جایگشتی(RFE) استفاده شد. در کرنلهای مختلف الگوریتم SVM بهمنظور جلوگیری از همخطی پارامترهای مستقل، تمام ترکیبهای حاصل از متغیرهای مستقل با در نظر گرفتن ضریب تورم واریانس کمتر از 8 و بالاترین ضریب تعیین و کمترین خطای MSE بررسی و بهعنوان بهترین ترکیب انتخاب شدند. پارامترهای مؤثر در پیشبینی عیار پتاسیم شورابه در الگوریتم RF و تابع خطی الگوریتم SVM به ترتیب sp، ap، duw، slp، SAR و n، sp، duw و SAR بودند که منجر به بهترین نتیجه (ضریب تعیین زیاد و خطای کم) شدند. ضریب تعیین برای هر دو مدل به ترتیب 99/0 و 97/0 که نشاندهنده دقت خوب هر دو الگوریتم است. | ||
| کلیدواژهها | ||
| واژههای کلیدی: پیشبینی عیار؛ جنگل تصادفی؛ شورابه؛ ماشین بردار پشتیبان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 954 تعداد دریافت فایل اصل مقاله: 662 |
||