چکیده
ظرفیت تبادل کاتیونی یکی از ویژگی های شیمیایی مهم خاک بوده و منظور نمودن شاخص های حاصلخیزی خاک از جمله ظرفیت
تبادل کاتیونی می تواند در ارتقاء و افزایش کیفیت نقشه های خاک مفید باشد. از آنجایی که اندازه گیری CEC بسیار پرهزینه و وقت
گیر است، استفاده از شبکه عصبی مصنوعی می تواند راه کاری مناسب در برآورد این پارامتر به جای اندازه گیری مستقیم آن باشد.
هدف از این تحقیق، تخمین مقدار ظرفیت تبادل کاتیونی خاک با کمک شبکه عصبی MLP با سه نوع تابع فعال سازی سیگموئید
تانژآنت هایپربولیک، سیگموئید لگاریتمی و خطی با نرم افزار MATLAB از روی خصوصیات درصد رس، درصد سیلت و درصد کربن
آلی خاک و همچنین انتخاب بهترین تابع برای برآورد این خصوصیت می باشد. برای این منظور 67 نمونه خاک جمع آوری گردید و
پس از آماده سازی نمونه ها )هوا خشک نمودن، کوبیدن و الک کردن نمونه ها(، مقدار ظرفیت تبادل کاتیونی )به روش استات سدیم
در pH 8/2 (، درصد رس و سیلت )به روش هیدرومتری( و کربن آلی )به روش والکی بلک( نمونه ها اندازه گیری شدند. نتایج حاصل =
از پژوهش نشان داد که شبکه عصبی مصنوعی با تابع فعال سازی سیگموئید لگاریتیمی با تعداد 11 نرون در لایه مخفی با شاخص
های عملکرد 2R و RMSE 4 در مقایسه با سایر توابع فعال سازی بهترین عملکرد را در برآورد خروجی ظرفیت تبادل / 1/6117 و 733 ،
کاتیونی خاک داشته است. همچنین آنالیز حساست نیز نشان داد که پارامتر ورودی درصد رس در مدل شبکه عصبی بیشترین تاثیر را
بر خروجی مدل )ظرفیت تبادل کاتیونی( داشته است.
واژههای کلیدی: ظرفیت تبادل کاتیونی، شبکه عصبی مصنوعی، آنالیز حساسیت
استفاده از شبکه عصبی مصنوعی MLP برای تخمین میزان ظرفیت تبادل کاتیونی
عنوان کامل مقاله: طراحی و ساخت سنسور اندازه گیری رطوبت بر اساس ظرفیت خازنی (FDR) برای کنترل یک آبپاش نرخ متغییر در سیستم آبیاری بارانی کلاسیک ثابت
