TY - JOUR ID - 12608 TI - تخمین پایداری خاکدانه با استفاده از خصوصیات خاک در کاربری‌های مختلف اراضی JO - مهندسی زراعی JA - AGEN LA - fa SN - 2588-526X AU - شعبانی, اسماء AU - غلامعلی زاده آهنگر, احمد AU - گلشاهی, صبیره AD - هیئت علمی، گروه مهندسی علوم خاک، دانشگاه زابل، ایران AD - هیئت علمی، گروه مهندسی علوم خاک، دانشگاه زابل ، ایران AD - دانشجوی کارشناسی ارشد، گروه مهندسی علوم خاک، دانشگاه زابل ، ایران Y1 - 2017 PY - 2017 VL - 39 IS - 2 SP - 117 EP - 131 KW - مدل شبکه عصبی KW - رگرسیون خطی KW - شاخص پایداری خاکدانه KW - روش ارتباط وزنی DO - 10.22055/agen.2017.12608 N2 - یک مطالعه مقایسه­ای با هدف بررسی کارایی شبکه عصبی مصنوعی (ANN) و رگرسیون خطی چندمتغیره (MLR) برای پیش­بینی پایداری خاکدانه­های بزرگتر از 25/0 میلی­متر در روش الک تر(250SAW>) در کاربری­های مختلف منطقه میانکنگی سیستان انجام شد. بدین منظور تعداد 140 نمونه خاک از اراضی کشاورزی، مرتعی و بایر منطقه تهیه و برخی ویژگی­های خاک از جمله بافت، ماده آلی، کربنات کلسیم، سدیم تبادلی، کلسیم و منیزیم محلول، اسیدیته، هدایت الکتریکی و  شاخص پایداری خاکدانه در آن­ها اندازه­گیری شد. در مناطق بایر و مرتعی میزان کلسیم و منیزیم محلول و در زمین­های زیر کشت مقدار سدیم تبادلی بیشترین همبستگی خطی را با پایداری خاکدانه نشان دادند و مدل­های رگرسیونی توسعه­یافته توانستند 56-49 درصد از تغییرات SAW را در کاربری­های مختلف منطقه توجیه نمایند. در شبکه عصبی پرسپترون به کار گرفته شده  متغیر اسمی نوع کاربری همزمان با سایر ورودی­ها وارد مدل گردید که این مدل توانست نزدیک به 90 درصد تغییرات شاخص پایداری را در مجموعه آزمون پیش­بینی کند. نتایج کمی کردن اهمیت متغیرها به روش ارتباط وزنی در روش شبکه عصبی نشان داد که عامل نوع کاربری و نوع و مقدار کاتیون­های فاز تبادلی و محلول خاک بیشترین سهم را در تغییرپذیری شاخص پایداری خاکدانه در منطقه مورد مطالعه دارند. UR - https://agrieng.scu.ac.ir/article_12608.html L1 - https://agrieng.scu.ac.ir/article_12608_2eac3fe62af6c61a8f51e53e25d27dcd.pdf ER -