مشخصات پژوهش

عنوان	مقایسه روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین مقادیر آرسنیک خاک (مطالعه موردی :استان کردستان، ایران)
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	آرسنیک، بیجار، رگرسیون چند متغیره، شبکه عصبی مصنوعی، کردستان.
چکیده	آرسنیک از عناصر بسیار سمی استک ه مشکلات زیست محیطی و بهداشتی زیادی را در برخی نقاط جهان بوجود آورده است. بافت خاک، ظرفیت تبادل کاتیونی، کربنا تها، آنیو نهای محلول، اکسیدهای آهن و زمی نشناسی اصل یترین خصوصیات کنترل کننده آرسنی کخاک م یباشند. 227 نمونه از منطقه آلوده به آرسنی کشهرستان بیجار جمع آوری و علاوه بر خصوصیات فیزیکوشیمیایی معمول مقادیر اکسیدهای آهن و آرسنیک کل خاک اندازه گیری شد. داد هها به سه سری داده، شامل سری آموزش ) 80 درصد داد هها(، صح تسنجی ) 10 درصد داد هها( و آزمون ) 10 درصد داد هها( تقسیم گردید. مد لهای شبکه عصبی مصنوعی و رگرسیون چند متغیره برای تعیین پارامترهای موثر بر میزان توزیع مکانی آرسنی کخاک و تخمین مقدار آرسنی کخاک استفاده شدند. شاخ صهای ارزیابی ریشه مربعات خطا، میانگین خطا، خطای استاندارد نسبی و کارایی مدل نشان دادند که مدل شبکه عصبی ،72/ 0 برای خاک عمقی و 89 / 0 و 95 /36 ،12/44 ،54/ 0 برای کل خاک و 28 / 0 و 81 /33 ،9/37 ،54/ مصنوعی 1 )ب هترتیب با 37 0 برای کل خاک / 0 و 88 /24 ،5/73 ،21/ 0 برای خاک سطحی( و مدل شبکه عصبی مصنوعی 2 )ب هترتیب با 16 / 0/49 و 82 ،27/33 0 برای خاک سطحی( در مقایسه با مدل رگرسیون / 0 و 92 /28 ،17/34 ،44/ 0 برای خاک عمقی و 83 / 0 و 96 /14 ،10/22 ،17/ و 62 ،76/ 0 برای خاک عمقی و 18 / 0 و 77 /58 ،30/58 ،88/ 0 برای کل خاک و 68 / 0 و 64 /52 ،29 ،83/ خطی چندگانه )ب هترتیب با 94 0 برای خاک سطحی( دارای کارایی بالاتری در تخمین آرسنی کم یباشند و استفاده از فاکتور زمین شناسی در / 0/52 و 73 ،56 کنار خصوصیات فیزیکوشیمیایی سبب افزایش دقت تخمین آرسنی کمی گردد.
پژوهشگران	کمال نبی اللهی (نفر اول)، غلامرضا ثواقبی (نفر پنجم)، پرویز فتحی (نفر چهارم)، عطااله شیرزادی (نفر ششم به بعد)، نورایر تومانیان (نفر سوم)، احمد حیدری (نفر دوم)