شبنم رحمانی زاده - دانشجوی کارشناسی ارشد گروه علوم خاک دانشکده مهندسی آب و خاک دانشگاه زابل
احمد غلامعلی زاده آهنگر - دانشیارگروه مهندسی علوم خاک دانشگاه زابل
اسما شعبانی - مربی گروه مهندسی علوم خاک دانشگاه زابل

یک مطالعه مقایسه ای باهدف بررسی کارایی شبکه عصبی مصنوعی ANNو رگرسیون خطی چندمتغیره MLR برای پیش بینی پایداری خاکدانه های بزرگتر از0/25 میلیمتر درروش الک تر WSA>250 درکاربری کشاورزی منطقه محمدآبادسیستان انجام شد بدین منظور تعداد 73نمونه خاک اازاراضی کشاورزی منطقه تهیه و برخی ویژگیهای خاک ازجمله بافت کربن الی کربنات کلسیم سدیممحلول کلسیم ومنیزیم محلول اسیدیته هدایت الکتریکی و شاخص پایداری خاکدانه درآنها اندازه گیری شد درتوابع انتقالی رگرسیونی ازروش گام به گام ودرشبکه عصبی مصنوعی ازساختار پرسپترون چندلایه استفاده شد نتایج نشان داد که شبکه های عصبی مصنوعی با ضریب تبیین وبرتری نسبی بالاتر و میانگین مربعا ت خطای کمتر نسبت به توابع انتقالی رگرسیونی ازدقت بیشتری دربراورد پایداری خاکدانه دارند همچنین نتایج نشان میدهد که ماده الی بیشترین تاثیر را برشاخص پایداری خاکدانه دارد و بعدازماده آلی به ترتیب کربنات کلسیم وهدایت هیدرولیکی تاثیر گذارند

شاخص پایداری، خاکدانه، خصوصیات خاک، رگرسیون خطی، شبکه عصبی مصنوعی