مقايسه توابع انتقالي شبكه عصبي مصنوعي و رگرسيوني در تخمين هدايت آبي اشباع

[ مريم نوابيان ] - دانشجوي دكتراي گروه آبياري وآباداني دانشكده آب و خاك پرديس كشاورزي و منابع طبيعي دانشگاه تهران
[ عبدالمجيد لياقت ] - استاديار گروه آبياري وآباداني دانشكده آب و خاك پرديس كشاورزي و منابع طبيعي دانشگاه تهران
[ مهدي همايي ] - استاديار گروه خاكشناسي دانشكده كشاورزي دانشگاه تربيت مدرس

خلاصه مقاله:

هدايت آبي اشباع از مهمترين ويژگي فيزيكي خاك است كه در طراحي و امكان پذير بودن فني و اقتصادي پروژه هاي زهكشي زيرزميني نقش عمده اي دارد . ليكن، اندازه گيري مستقيم اين ويژگي چه به صورت صحرايي و چه در آزمايشگاه بسيار وقت گير و پرهزينه مي باشد . همچنين، به دليل تغييرات زياد زماني - مكاني خاك، اندازه گيري هاي نقطه اي نمي توانند نمايندة واقعي اين ويژگي خاك باشند، مگر آنكه تعدادي بسيار زياد نمونه برداري صورت پذيرد . به همين منظور تلاشهايي چند صورت گرفته تا با استفاده از ويژگي هاي زوديافت خاك بتوان اين ويژگي را با دقتي قابل قبول تخمين زد . توابع انتقالي يكي از روشهاي غيرمستقيم بوده كه قادر است ويژگي هاي ديريافت خاك را از ويژگي هاي زوديافت آن برآورد نمايد . شبكه هاي عصبي مصنوعي و آناليز رگرسيوني دو روش ايجاد توابع انتقالي مي باشند . در اين پژوهش، از ساختار شبكة عصبي پرسپترون با الگوريتم آموزشي ماركوآت لورنبرگ و آناليز رگرسيوني استفاده شد تا پس از حساسيت سنجي، هدايت آبي اشباع از پارامترهاي موثر زوديافت خاك همچون جرم ويژة ظاهري، تخلخل مؤثر، ميانگين هندسي قطر ذرات و انحراف معيار آنها برآورد شود . نتايج نشان داد كه نمون هاي عصبي ايجاد
شده قادرند هدايت آبي اشباع را با دقت بالا تري در مقايسه با معادلات رگرسيوني برآورد نمايند . همچنين، هوشمند بودن نحوة تجزيه وتحليل داده ها و عدم نياز به آزمون هاي آماري را مي توان از ديگر برتري هاي شبكه عصبي به شمار آورد

آناليز رگرسيوني، توابع انتقالي، شبكه عصبي مصنوعي، هدايت آبي اشباع .