ارزیابی مدل هوش مصنوعی در شبیه سازی رطوبت خاک با استفاده از سناریوهای مختلف

میزان رطوبت خاک از اهمیت بسیار بالایی برخوردار است و بسیاری از ویژگی های خاک و موجودات و گیاهان موجود در خاک به آنبستگی دارد. اندازه گیری رطوبت با روش های مستقیم نیازمند زمان کافی و هزینه می باشد، بنابراین توسعه ی مدلهای کامپیوتری که بتوانندرطوبت خاک را با دقت بالایی شبیه سازی کنند از اهمیت بالایی برخوردار است. در این تحقیق با استفاده از مدل هوشمند مصنوعی ANNرطوبت خاک در ایستگاه Scottsbluff ایالات متحده آمریکا شبیه سازی شد و نتایج شبیه سازی نشان داد که مدل ANN کارایی بالا وقابل قبولی در شبیه سازی مقادیر رطوبت خاک دارد. نتایج نشان داد که شبکه عصبی مصنوعی توانایی بالایی در مدلسازی رطوبت خاک درسناریوهای مختلف تعریف شده دارد. اما در بین سناریوهای تعریف شده سناریوی اول یعنی پارامتر رطوبت خاک همراه با تاخیر زمانی دو و سه روزه نتایج بهتری از سناریوی دوم دارد. نتایج میزان (R(۲ برای سناریوی اول برای سه و دو روز تاخیر زمانی به ترتیب ۰/۹۷۳۴ و ۰/۹۷۲۶ و میران RMSE برای این سناریوها به ترتیب ۰/۰۰۹۸۸۶ و ۰/۰۱۴۰ حاصل شد. این در حالی است که برای سناریوی دوم برای سه حالت انتخابی مقادیر (R(۲ به ترتیب ۰/۹۵۷، ۰/۹۶۱ و ۰/۹۶۳ و مقادیر RMSE برابر با ۰/۰۰۹۳، ۰/۰۰۲، ۰/۰۰۴ بدست آمد. پس میتوان سناریوی اول با تاخیر زمانی سه روزه را به عنوان بهترین مدل و حالت اول سناریوی دوم را ضعیف ترین مدل انتخاب نمود. اما در حالت کلی نتایج تمامی سناریوها قابل قبول بوده و نشان از توانایی بالای شبکه عصبی در برآورد رطوبت خاک دارد.