فهیمه نصرتی کاریزک - دانشجوی کارشناسی ارشد خاکشناسی
سیدعلیرضا موحدی نایینی - دانشیار گروه خاکشناسی
ابوطالب هزارجریبی - استادیارگروه آبیاری دانشگاه علوم کشاورزی و منابع طبیعی گرگان،
قربانعلی روشنی - استادیار مرکز تحقیقات کشاورزی و منابع طبیعی گرگان

منحنی رطوبتی و هدایت هیدرولیکی اشباع خاک از مهمترین خصوصیات فیزیکی خاک هستند که کاربردهای وسیعی در علوم خاک و آب دارند. با وجود پیشرفتهای زیاد، اندازهگیری این ویژگیها همچنان پرهزینه، مشکل و زمانبر میباشد. شبکه عصبی مصنوعی مدلی ریاضی است که توانایی مدلسازی و ایجاد روابط ریاضی غیرخطی برای درونیابی را داشته که در آن با معرفی سابقه عملکرد سیستم دینامیکی،مدل آموزش یافته و نحوه عملکرد سیستم در حافظه ذخیره میشود و در مواردی که مدل قبلا با آن مواجه نشده مورد استفاده قرار گرفته است. در سالهای اخیر استفاده از آن به عنوان راهکاری که ویژگیهای فیزیکی دیریافت خاک را از پارامترهای زودیافت خاک برآورد می- کند، مورد توجه قرار گرفته است. هدف از این تحقیق، ارزیابی شبکه عصبی مصنوعی و مقایسه آن با رگرسیونهای آماری برای تخمینمنحنی رطوبتی و هدایت هیدرولیکی اشباع خاک از پارامترهای زودیافت خاک مثل بافت، جرم ویژه ظاهری، تخلخل موثر، میانگین هندسی قطر ذرات است. نتایج پژوهشها نشان داد که مدلهای شبکه عصبی مصنوعی نسبت به معادلات رگرسیونی دارای عملکرد مناسبتری هستند

منحنی رطوبتی خاک، هدایت هیدرولیکی اشباع، شبکه عصبی مصنوعی، پارامترهای زودیافت خاک