تخمين هوشمند منحني رطوبتي خاك با استفاده از شبكه عصبي مصنوعي  Fulltext 

[ حبيب خداوردي لو ] - دانشجوي دكتري خاكشناسي
[ پرويز فتحي ] - دانشجوي دكتري آبياري
[ مهدي همايي ] - استاديار گروه خاكشناسي دانشكده كشاورزي دانشگاه تربيت مدرس

خلاصه مقاله:

بخش غير اشباع خاك اهميتي فراوان در چرخه آبي طبيعت دارد. يكي از مهمترين شاخصهاي كه ويژگي هاي اين بخش را بصورت كمي بيان مي كند، منحني رطوبتي خاك است كه در بسياري از پژوهشها به عنوان اطلاعات پايه مورد استفاده قرار مي گيرد. ليكن، اندازه گيري مستقيم آن هزينه بر و وقتگير بوده و نياز به تجهيزات آزمايشگاهي ويژه دارد. به همين دليل، در سالهاي اخير تلاشهايي فراوان صورت گرفته تا با استفاده از ويژگيهاي زود يافت خاك و بدون نياز به اندازه گيري مستقيم بتوان آن را با دقتي قابل قبول تخمين زد. هدف از اين پژوهش ، بررسي امكان استاده از شبكه عصبي مصنوعي به منظور برآورد منحني رطوبتي از ويژگيهاي زوديافت خاك بود. به همين منظور، 75 نمونه خاك از سريهاي خاك منطقه كرج انتخاب گرديد. منحني رطوبتي اين خامها درمكشهاي 0، 10 و 23 كيلوپاسكال با استفاده از دستگاه صفحات فشاري، فراواني نسبي ذرات خاك به روش هيدرومتري، جرم ويژه ظاهري به روش پارافين و كربنات كلسيم معادل به روش كلسيمتري اندازه گيري گرديد. سپس، شيكه اي از نوع پرسپترون چند لايه با قانون يادگيري پس انتشار خطا براي بازيابي نگاشت غير خطي ميان ويژگيهاي زوديافت خاك و منحني رطوبتي طراحي گرديد و به كمك آن منحني رطوبتي خاك به صورتي هوشمند تخمين زده شد. نتايج نشان داد كه انطباقي معني دار در سطح احتمال يك درصد بين منحني رطوبتي پيش بيني شده با شبكه عصبي مصنوعي و داده هاي اندازه گيري شده وجود دار. همچنين، نتايج نشان داد كه برآورد انجام شده با دقتي بيشتر از توابع انتقالي رگرسيوني و برنامه Rosetta منحني رطوبتي را در دامنه مورد مطالعه تخمين مي زند.

توابع انتقالي خاك ، شبكه عصبي مصنوعي ، منحني رطوبتي خاك