برآورد میانگین وزنی قطر خاکدانه‌ها با استفاده از مدل‌های رگرسیونی و شبکه‏ عصبی مصنوعی

Abstract

اندازه­گیری مستقیم برخی ویژگی­های فیزیکی دیریافت خاک مثل پایداری خاکدانه وقت­گیر، هزینه­بر و گاهی اوقات به دلیل خطاهای آزمایشی و غیریکنواختی خاک غیرواقعی است. پایداری خاکدانه­ها به عنوان یک ویژگی دیریافت می‌توانند از ویژگی­های زودیافت خاک مانند بافت، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی برآورد شوند. هدف از این پژوهش ارائه مدل­هایی برای برآورد میانگین وزنی قطر (MWD) خاکدانه از روی ویژگی­های زودیافت با استفاده از مدل­های رگرسیونی و شبکه عصبی مصنوعی و همچنین ارزیابی کارآیی این مدل­ها در برآورد با استفاده از معیارهای آماری مانندضریب تبیین (R2) و جذر میانگین مربعات خطا (RMSE) بود. برای این منظور،100 نمونه خاک از مناطق مختلف دشت اردبیل برداشت وتجزیه­های فیزیکی و شیمیایی انجام شد. داده­ها به دو سری داده­های آموزشی (80 درصد داده‌ها) و داده­های آزمون (20 درصد داده‌ها) تقسیم شدند. نتایج نشان داد که هر دو روش می­توانند میانگین وزنی قطر خاکدانه را با دقت قابل قبولی برآورد کنند با این وجود شبکه عصبی مصنوعی از دقت بیش­تر و خطای کمتری (R2 و RMSEبه ترتیب 88/0 و 042/0) در برآورد میانگین وزنی قطر خاکدانه نسبت به مدل­های رگرسیونی (R2 و RMSE به ترتیب 81/0 و 054/0) برخوردار بودند.