ارزیابی کارآیی شبکه های عصبی مصنوعی در برآورد منحنی رطوبتی خاک در بعضی از خاکهای آهکی و شور ایران

نگهداشت آب در خاک یکی از ویژگیهای اساسی خاک است که برای مطالعه آب قابل استفاده گیاه، نفوذ آب در خاک، زهکشی، هدایت هیدرولیکی، آبیاری، تنش آب در گیاهان و حرکت املاح ضروری است ( کرن ).1995 همچنین بیان کمی ویژگی های هیدرولیکی خاک در بسیاری از مطالعات مربوط به جریان آب در خاک که از مدل های عددی برای شبیه سازی حرکت آب و املاح استفاده می کنند، ضروری است . لیکن به دلیل نبود اطلاعات کافی از ویژگیهای هیدرولیکی دقیق، استفاده از این مدلهای عددی محدود شده است . با وجود پیشرفتهای زیادی که در اندازه گیری ویژگی های هیدرولیکی خاک صورت گرفته است، اما این روش ها همچنان پرهزینه، مشکل و زمان بر می باشند . بنابراین، استفاده از روش های غیر مستقیم به جای اندازه گیری مستقیم اجتناب ناپذیر است ( وستن و همکاران ).2001 ایجاد توابع انتقالی روشی غیر مستقیم برای برآورد ویژگیهای هیدرولیکی خاک است که با استفاده از اطلاعات موجود خاک به وسیلة معادلات رگرسیونی یا شبکة عصبی مصنوعی بین پارامترهای زودیافت و دیر یافت خاک ارتباط برقرار می کند . همچنین در بسیاری از کاربردها نیاز به داد ههای خیلی دقیق ویژگیهای هیدرولیکی نیست . از دیگر سو، به دلیل تفاوت در اندازه گیریهای با روشهای مختلف و نیز تغییرات مکانی – زمانی آنها، دقت انداز ه گیریهای مستقیم مورد تردید بوده و از این رو برآوردهای حاصل از روشهای غیر مستقیم کافی به نظر می رسند . اسخاپ و لیج (1998a) دریافتند که شبکه های عصبی می توانند تخمین قابل قبولی از هدایت هیدرولیکی اشباع، غیراشباع و مشخصات منحنی رطوبتی خاک داشته باشند . تاماری و همکاران (1996) از شبکه های عصبی برای برآورد هدایت هیدرولیکی خاک استفاده کردند و دریافتند که این شبکه ها کار آیی بهتری نسبت به سایر توابع انتقالی در برآورد پارامتر مربوطه دارند . اسخاپ و بوتن (1996) از شبکه های عصبی برای مدل سازی منحنی رطوبتی در حال خشک شدن 204 نمونه خاک شنی استفاده کردند و نشان دادند که شبکه های عصبی پیش بینی را با خطای خیلی کمتری نسبت به روشهای رگرسیونی خطی انجام دادند . اسخاپ و همکاران (1998) با بررسی داده های 1209 نمونه نتیجه گرفتند که توابع انتقالی بر اساس شبکه عصبی معمولا پیش بینی بهتری نسبت به سایر توابع انتقالی رایج فراهم می کنند