کاربرد شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

ویژگی های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می نمایند. از آنجائی که اندازه گیری مستقیم این قبیل ویژگی های هیدرولیکی خاک امری وقت گیر و هزینه بر است روش های غیرمستقیمی چون توابع انتقالی و شبکه های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته اند. در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به منظور تخمین هدایت هیدرولیکی اشباع خاک با استفاده از داده های اندازه گیری شده منحنی مشخصه رطوبتی خاک و جرم مخصوص ظاهری استفاده شده است. با استفاده از داده های اندازه گیری شده جرم مخصوص ظاهری خاک، بعد فرکتالی منحنی مشخصه رطوبتی، مکش در نقطه ورود هوا، تخلخل موثر، مقادیر هدایت هیدرولیکی اشباع خاک با استفاده از شبکه عصبی مصنوعی تخمین زده شدند. در مرحله آموزش مدل از 114 داده اندازه گیری شده منحنی مشخصه رطوبتی و جرم مخصوص ظاهری خاک و در مرحله آزمون از 28 داده باقیمانده استفاده شد. مقادیر MSE و R2 در مرحله آزمون مدل شبکه عصبی مصنوعی با چهار پارامتر ورودی به ترتیب 0028/0 و 76/0 محاسبه شدند. مقایسه عملکرد مدل شبکه عصبی مصنوعی با دو مدل ارائه شده توسط رائولز و همکاران نشان داد که مدل شبکه عصبی مصنوعی با دقت بالاتری هدایت هیدرولیکی اشباع خاک را پیش بینی می نماید.