برآورد سرعت نفوذ نهایی آب در خاک و پارامترهای معادلات نفوذ به روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان

نفوذ آب به خاک یکی از مهمترین فرآیندهای هیدرولوژیک است. هدف از این تحقیق، بررسی امکان تخمین پارامتر های مدل های فیلیپ و هورتون و سرعت نفوذ نهایی آب در خاک با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان (SVM) بود. به این منظور نفوذپذیری خاک در 100 نقطه فضای سبز شهرستان ابرکوه (استان یزد) به روش استوانه ی مضاعف تعیین گردید. در نزدیکی نقاط اندازه گیری نفوذ آب به خاک، در عمق 30-0 سانتی متری سطح خاک نمونه برداری و ویژگی های خاک از جمله چگالی ظاهری، فراوانی نسبی ذرات، ماده آلی، نسبت جذب سدیم، تخلخل، میانگین هندسی قطر ذرات و انحراف معیار هندسی اندازه گیری شد. شبکه های عصبی پرسپترون چند لایه (MLP) با 4 طراحی با 3، 5، 7 و 9 ورودی و ماشین بردار پشتیبان با 9 ورودی برای برآورد سرعت نهایی نفوذ و پارامترهای مدل های نفوذ به کار گرفته شد. نتایج نشان داد که در برآورد پارامترهای مدل های فیلیپ و هورتون، شبکه های طراحی شده با 9 پارامتر ورودی بیش ترین ضریب تبیین، کم ترین خطا و بیش ترین کارایی را نسبت به سایر شبکه های طراحی شده داشتند. همچنین مقایسه قدرت شبیه سازی شبکه عصبی برای پارامترهای دو مدل هورتون و فیلیپ نشان داد که بیش ترین کارایی در شبیه-سازی پارامترهای نفوذ مربوط به پارامتر سرعت نهایی در مدل هورتون با ضریب تبیین 84/0 و معماری 1-5-9 بوده است. نتایج آنالیز حساسیت نشان داد که حساسیت بهترین مدل MLP و SVM در شبیه سازی سرعت نفوذ نهایی به دو پارامتر نسبت جذب سدیم و ماده آلی بیشتر از 7 فاکتور دیگر بوده است. همچنین مدل SVM با دقت بسیار زیاد توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاک ها ر ا بر اساس پارامترهای زود یافت خاک دارد و کارایی این شبکه بیش تر از شبکه MLP در تخمین سرعت نفوذ نهایی آب به خاک بود.