المیراسادات شمس امام زاده - دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی - استادیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمود مشعل - دانشیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
موسی کلانکی - کارشناس ارشد هوش مصنوعی، دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی علوم و فناوری های زیر دریا

هدایت هیدرولیکی اشباع خاک فرایندهای نفوذ درخاک،جریان زیرزمینی و تبخیر را کنترل می کند.غالبا برای پیش بینی این پارامتر از شبکه های عصبیMLPو پارامترهای زود یافت خاک به عنوان ورودی استفاده شده است. در این مطالعه اقدام به بررسی نتایج حاصل از تشکیل شبکه های عصبیRBFدر برآورد این پارامتر و مقایسه آن با شبکه های MLPگردید و از پارامترهای معادله مبنای مدلHYDRUSبراساس چاهک های پوشش دار حفر شده، به عنوان ورودی استفاده گردید.ارزیابی نتایج با شاخص هایSSE وRMSE،MSE،R2 انجام شد.نتایج نشان داد شبکه های MLPتا حدودی نسبت بهRBFعملکرد بهتری در پیش بینی این پارامترداشته اند.

شبکه عصبیMLP ، شبکه عصبیRBF ، هدایت هیدرولیکی اشباع خاک ، HYDRUS