مقایسه توابع انتقالی شبکه عصبی مصنوعی و رگرسیونی در تخمین هدایت آبی اشباع

هدایت آبی اشباع از مهمترین ویژگی فیزیکی خاک است که در طراحی و امکان پذیر بودن فنی و اقتصادی پروژه های زهکشی زیرزمینی نقش عمده ای دارد . لیکن، اندازه گیری مستقیم این ویژگی چه به صورت صحرایی و چه در آزمایشگاه بسیار وقت گیر و پرهزینه می باشد . همچنین، به دلیل تغییرات زیاد زمانی - مکانی خاک، اندازه گیری های نقطه ای نمی توانند نمایندة واقعی این ویژگی خاک باشند، مگر آنکه تعدادی بسیار زیاد نمونه برداری صورت پذیرد . به همین منظور تلاشهایی چند صورت گرفته تا با استفاده از ویژگی های زودیافت خاک بتوان این ویژگی را با دقتی قابل قبول تخمین زد . توابع انتقالی یکی از روشهای غیرمستقیم بوده که قادر است ویژگی های دیریافت خاک را از ویژگی های زودیافت آن برآورد نماید . شبکه های عصبی مصنوعی و آنالیز رگرسیونی دو روش ایجاد توابع انتقالی می باشند . در این پژوهش، از ساختار شبکة عصبی پرسپترون با الگوریتم آموزشی مارکوآت لورنبرگ و آنالیز رگرسیونی استفاده شد تا پس از حساسیت سنجی، هدایت آبی اشباع از پارامترهای موثر زودیافت خاک همچون جرم ویژة ظاهری، تخلخل مؤثر، میانگین هندسی قطر ذرات و انحراف معیار آنها برآورد شود . نتایج نشان داد که نمون های عصبی ایجاد شده قادرند هدایت آبی اشباع را با دقت بالا تری در مقایسه با معادلات رگرسیونی برآورد نمایند . همچنین، هوشمند بودن نحوة تجزیه وتحلیل داده ها و عدم نیاز به آزمون های آماری را می توان از دیگر برتری های شبکه عصبی به شمار آورد

کلیدواژه ها:

آنالیز رگرسیونی ، توابع انتقالی ، شبکه عصبی مصنوعی ، هدایت آبی اشباع