تخمین سرعت نفوذپذیری پایه با استفاده از مدل های نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره

ننفوذ یکی از مهم ترین مشخصه های فیزیکی خاک است که اندازه گیری مستقیم آن دشوار، زمان بر و پرهزینه می باشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدل های نروفازی، شبکه مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازه گیری شد. ویژگی های فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) و توپوگرافی به عنوان ویژگی های زودیافت اندازه گیری شده و برای برآورد نفوذپذیری خاک استفاده شدند. داده ها به دو سری آموزشی (70 درصد داده ها) و آزمون (30 درصد داده ها) تقسیم شدند. مدل ها بر اساس نوع ورودی به نوع 1 (ویژگی های فیزیکی خاک) و 2 (ویژگی های فیزیکی خاک و توپوگرافی) طبقه بندی شدند. نتایج ارزیابی مدل ها بر اساس شاخص های ریشه میانگین انحراف خطا، مربعات خطا، میانگین خطا، خطای استاندارد نسبی و بهبود نسبی نشان داد که مدل نروفازی نوع 1 به ترتیب با آماره های 0.24، 1.3، 1.69، 0.25 و 65.41 و نوع 2 به ترتیب با آماره-های 0.1-، 0.95، 0.84، 0.18 و 71.52، دارای بالاترین دقت در تخمین سرعت نفوذپذیری پایه می باشد. همچنین مشاهده شد که استفاده از داده های توپوگرافی به عنوان ورودی همراه با ویژگی های فیزیکی خاک می تواند منجر به بهبود دقت تخمین سرعت نفوذپذیری پایه شود.