بررسی کارایی شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی اشباع خاک

هدایت هیدرولیکی اشباع یکی از مهم ترین ویژگی های فیزیکی خاک است که در تعیین سرعت نفوذ، عمق و طراحی زهکش ها و دیگر فرآیندهای هیدرولوژیکی موثر است. اندازه گیری مستقیم ویژگی های هیدرولیکی خاک وقتگیر و پر هزینه بوده و تا حدی به علت غیرهمگن بودن خاک و خطاهای آزمایشگاهی غیرقابل اعتماد است. ویژگی های هیدرولیکی خاک را می توان از جایگزینی داده های زودیافت خاک با استفاده از توابع انتقالی به دست آورد. شبکه های عصبی از جمله روش هایی هستند که برای تخمین توابع انتقالی خاک استفاده می شوند. در این پژوهش از شبکه عصبی نوع پرسپترون چند لایه (mlp) برای پیش بینی هدایت هیدرولیکی اشباع خاک استفاده شد. داده های ورودی به شبکه عبارت بودند از بافت خاک، ph، ec، درصدآهک و ماده آلی. از مجموع 130 نمونه خاک تهیه شده، 60 درصد داده ها برای آموزش، 20درصد برای صحت سنجی و 20درصد برای آزمون مورد استفاده قرار گرفت. نتایج نشان داد که شبکه عصبی مصنوعی با ضریب تبیین 85/0 و پایین بودن آماره های خطا کارایی خوبی در تخمین هدایت هیدرولیکی اشباع خاک دارد.