مقارنة بين نموذجي الشبكات العصبية والانحدار الخطي المتعدد في تخمين السعة التبادلية الكاتيونية للتربة باستخدام الدوال التحويلية في العراق في منطقة ري الجزيرة في مدينة الموصل

The study of soil characteristics such as the ability to exchange positive ions CEC (Cation Exchange Capacity)  play a significant part in study of ecological researches, also it is important for decision concerning pollution prevention and crop management. CEC represent the quantity of negative charges in soil, since direct method for measuring CEC are cumbersome and time consuming Lead to the grow of indirect technique in guessing of soil CEC property. Pedotransfer function (PTFs) is effective in estimating this parameter of easy and more readily available soil properties, 80 soil sample were taken from diverse horizons of 20 soil profiles placed in the Aljazeera Region, Iraq. The aim of this study was to compare Neural Network model (feed forward back propagation network) and Stepwise multiple linear regression to progress a Pedotransfer function for forecasting soil CEC of Mollisols and Inseptisols in Al Jazeera Irrigation Project using easily available features such as clay, sand and organic matter. The presentation of Neural Network model and Multiple regression was assessed using a validation data set.  For appraise the models, Mean Square Error (MSE) and coefficient of determination R2 were used. The MSE and R2 resultant by ANN model for CEC were 2.2 and 0.96 individually while these result for Multiple Regression model were 3.74 and 0.88 individually. Result displayed 8% improvement in increasing R2 and also improvement 41% for decreasing MSE  for ANN model, this pointed that artificial neural network with  three neurons in hidden layer had improved achievement in forecasting soil cation exchange capacity than multiple regression. So we can conclude  that ANN model by use (MLP) multilayer perceptron for predicting CEC from measure available soil properties have more accuracy and effective compared with (MLR) multiple linear regression model.    Keywords: Neural Networks, CEC: Cation Exchange Capacity.

إن دراسة خواص التربة المختلفة مثل قابلية التربة على تبادل الايونات الموجبة والتي تدعى بالسعة التبادلية الكاتيونية للتربة Cation Exchange capacity والتي تلعب دورا هاما في دراسات التربة البيئية والإنتاجية والمشاريع الإروائية وكذلك في مجال منع تلوث التربة وإدارة المحاصيل الإنتاجية، وتمثل السعة التبادلية لكاتيونية مجموع الشحنات السالبة في التربة والتي تتجمع على سطوح  دقائق التربة وكذلك فبي الفجوات الداخلية لبلورات المعادن الطينية وكذلك على سطوح المواد العضوية, ولما كانت الطرق المباشرة لتقديرها في التربة تعتبر مرهقة وتستغرق وقتا غير قليل هذا فضلا عن انها مكلفة لذا تم الاتجاه الى اتباع تقنيات غير مباشرة لتخمينها عن طريق استخدام التحويلية Pedotransfer Function (PTFs) والتي تستخدم لتخمين الصفات الصعبة القياس مثل الايصالية المائية للتربة وكذلك السعة التبادلية الكاتيونية اعتمادا على صفات التربة السهلة القياس . تم الاعتماد على عينات التربة والتي بلغ عددها (80) عينة توزعت على (20) مقد تربة في منطقة مشروع ري الجزيرة، الموصل، العراق، وتم الاعتماد على الصفات التي تم تقديرها من قبل شركة دجلة والتي قامت بجميع الدراسات الميدانية للمشروع وكذلك التحاليل التي أجريت على تربة المشروع. كان الهدف الأساسي من هذه الدراسة مقارنة نوعين من النماذج الرياضية باستخدام الدوال التحويلية وذلك لغرض تخمين السعة التبادلية الكاتيونية  للتربة, الأول نموذج الشبكات العصبية الاصطناعية  Artificial Neural Networks بأسلوب  Feed forward back propagation  والثاني الانحدار الخطي المتعدد المتدرج Stepwise multiple linear Regression لغرض تخمين السعة التبادلية الكاتيونية لتربة المشروع والمصنفة برتبة Mollisols, Inseptisolls  بالاعتماد على صفات التربة سهلة القياس (الطين, الرمل, المادة العضوية) وتم استخدام بيانات مجموعة التحقق Validation dataset  لغرض تقييم دقة النتائج المتحصل عليها لكل من النموذجين أعلاه ومن اجل تقييم النتائج تم استخدام معيارين  الأول متوسط مربع الخطأ القياسي Mean square error  (MSE)  والثاني معامل التحديد Coefficients of Determination (R2)  حيث كانت قيم متوسط مربع الخطأ القياسي  ومعامل التحديد الناتجة من تحليل الانحدار بمقدار (0.3.74 و0.88) على التوالي بينما كانت قيم متوسط مربع الخطأ و معامل التحديد في النتائج المتحصل عليها نتيجة استخدام الشبكات العصبية الاصطناعية بمقدار (2.2, 0.96) على التوالي أيضا وبذلك تظهر النتائج تحسنا في ارتفاع قيم معامل التحديد بمقدار 8% وكذلك تحسنا في انخفاض قيم متوسط مربع الخطأ القياسي بمقدار 41% في نموذج الشبكات العصبية عند استخدام (3) عصبونات في الطبقة المخفية hidden layer مقارنة باستخدام أسلوب الاندحار الخطي المتعدد. الكلمات المفتاحية: الشبكات العصبية ، سعة تبادل الكاتيونات.