مقایسه روش های مختلف هوش مصنوعی در مدل سازی منحنی مشخصه رطوبتی خاک(مطالعه موردی: شمال و شمال شرق ایران)

چکیده 1میزان رطوبت خاک در مکش های گوناگون، یکی از مهم ترین نمایه های ورودی در بیش ترمدل های مرتبط با علوم کشاورزی، آب و خاک است. توابع انتقالی، خصوصیات دیریافت را با استفادهاز خصوصیات پایه خاک پیش بینی می کنند و بنابراین برتری عمده آن ها، ارزان بودن و اشتقاق آسانمی باشد. دو هدف عمده در این پژوهش مطرح است. هدف اول سنجش عملکرد شبکه های عصبی-فازی و عصبی- ژنتیک در اشتقاق توابع انتقالی به منظور تعیین میزان رطوبت در نقاط پتانسیلیمشخص در مقایسه با مدل های شبکه های عصبی مرسوم هم چون پرسپترون های چندلایه می باشد.دومین هدف از انجام این پژوهش، معرفی و اعتبارسنجی توابع جدید شبه پارامتریک و مقایسه کارکرداین توابع در مدل سازی منحنی مشخصه رطوبتی در مقایسه با توابع نقطه ای و پارامتریک است. براینیل به این مقصود، 122 نمونه خاک از شمال و شمال شرق ایران با گستره ای از بافت خاک ها شامللوم، رسی، لوم رسی و لوم شنی انتخاب شد و نتایج به دست آمده از مدل سازی توسط شبکه هایمختلف با یکدیگر مقایسه شدند. نتایج نشان از توفیق مدل های شبکه عصبی مصنوعی در اشتقاق توابع0 و / به ترتیب برابر با 0316 r و 2 rmse انتقالی مختلف داشت به گونه ای که میانگین کلی آماره های66rmse 0/842 بود. بهترین و ضعیف ترین نتایج به ترتیب مربوط به توابع شبه پارامتریک (با آماره های0 و / به ترتیب برابر 044 r و 2 rmse 0) و پارامتریک (با آماره های / 0 و 92 / به ترتیب برابر 022 r و 20/72 ) بود. همچنین با توجه به نتایج به دست آمده از مدل سازی، می توان گفت که استفاده از شبکه هایعصبی- فازی منجر به بهبود نتایج به دست آمده از شبکه های پرسپترون نمی شود، ولی استفاده ازالگوریتم ژنتیک در ساختار شبکه های عصبی می تواند منجر به بهبود نتایج گردد.واژه های کلیدی: توابع انتقالی، شبکه های عصبی- فازی، شبکه های ژنتیک-فازی، منحنی مشخصه رطوبتی