ارزیابی مدل‌های رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران

Abstract

<strong>هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی می­باشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازه­گیری آزمایشگاهی و صحرایی آن دشوار، وقت‌گیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روش­های غیرمستقیم مانند توابع انتقالی می­توان آن را با دقت بالایی برآورد نمود. پژوهش حاضر با هدف استفاده از روش‌های رگرسیونی و شبکه عصبی مصنوعی به عنوان دو روش کارآمد از توابع انتقالی، در برآورد هدایت هیدرولیکی اشباع انجام شد. در این مطالعه هدایت هیدرولیکی اشباع80 نمونه خاک با سه تکرار به روش آزمایشگاهی بررسی شد. خصوصیات زودیافت خاک (بافت، میانگین هندسی قطر ذرات و انحراف معیار آن، جرم مخصوص ظاهری و حقیقی، هدایت الکتریکی، pH، ماده آلی و کربنات کلسیم) که به عنوان ورودی در توابع استفاده شد به دو دسته آموزش (80%) و آزمون (20%) تقسیم شدند. به منظور مدل‌سازی هدایت هیدرولیکی اشباع از مدلهای رگرسیون چند متغیرهخطی (MLR)، شبکه عصبی پرسپترون چندلایه(MLP) و شبکه عصبی تابع پایه شعاعی (RBF) استفاده شد. همچنین برای ارزیابی اعتبار توابع توسعه یافته از شاخصهای ضریب تبیین (R²)، میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی همگام (CCC) استفاده شد. نتایج نشان از برتری مدل پرسپترون شبکه عصبی با دو لایه مخفی با تابع فعال‌سازی سیکموئیدی با R²، RMSEو CCCبه ترتیب معادل 871/0، 02/1<em>(</em><em>cm/h</em><em>)</em> و 869/0 نسبت به سایر مدل‏ها در منطقه مورد مطالعه داشته است. با توجه به نتایج آنالیز حساسیت، مدل بهینه دارای بالاترین حساسیت نسبت به تغییرات پارامترهای جرم مخصوص ظاهری، pH و تخلخل دارد و در مقابل نسبت به پارامتر شوری کمترین حساسیت را نشان داد. به نظر میرسد که استفاده از شبکه عصبی پرسپترون با دو لایه مخفی روش کارآمدی برای تعیین هدایت هیدرولیکی اشباع در منطقه باشدو بتواند با صرفه جویی در زمان و هزینه، هدایت هیدرولیکی اشباع خاک را برآورد کند. نتایج این تحقیق به علت کمبود تعداد نمونه ها اعتبارکافی را نداشته، لذا می­تواند به عنوان شروعی برای انجام تحقیقات بعدی استفاده شود.</strong>