ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (gmdh) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری

صحت توابع انتقالی در پیش­بینی خواص هیدرولیکی خاک را می­توان با استفاده از توابع پرانعطاف افزایش داد. این تحقیق به منظور ارزیابی کارایی توابع با قابلیت انعطاف متفاوت (رگرسیون­های خطی و غیر خطی چند متغیره (mlr)، فیزیکی- تجربی آریا و پاریس (ap)، شبکه عصبی مصنوعی(ann)، مدیریت داده­ها به روش گروهی (gmdh) در پیش­بینی مقدار آب خاک در حد ظرفیت مزرعه­ای و نقطه پژمردگی دائم خاک­های شالیزاری اجرا گردید. توابع انتقالی با استفاده از داد­ه­های توزیع اندازه ذرات، کربن آلی، چگالی ظاهری و مقدار رطوبت حجمی خاک در مکش­های 33 و 1500 کیلوپاسکال در 136 نمونه خاک اراضی شالیزاری ساخته شد. الگوریتم gmdh در مقایسه با دیگر توابع انتقالی با کمترین ریشه میانگین مربعات خطا (rmse)، کمترین محک آکایک (aic) و بیشترین نمایه توافق (d) از صحت و اعتبار بیشتری در پیش­بینی مقدار رطوبت حجمی خاک در مکش­های 33 و 1500 کیلوپاسکال برخوردار بود. به نظر می رسد الگوریتم gmdh در تعیین روابط غیرخطی و پیچیده بین متغیرهای پایه مانند توزیع اندازه ذرات، چگالی ظاهری خاک و کربن آلی با مقدار رطوبت حجمی خاک در مکش­های 33 و 1500 کیلوپاسکال موفق تر از دیگر توابع انتقالی عمل نموده است.