برآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر

در سال های اخیر استفاده از روش های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش های معمول، اندازه گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل سازی مسایل غیرخطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 200 نمونه خاک جمع آوری شده از منطقه قوشه واقع در استان سمنان مورد آزمایش قرار گرفت. نیمی از نمونه ها از اراضی بکر با کاربری مرتع دست نخورده و نیمی از اراضی کشاورزی منطقه جمع آوری شد. پارامترهای فیزیکی و شیمیایی خاک شامل هدایت الکتریکی، فراوانی نسبی ذرات، درصد آهک، نسبت جذب سدیم (sar) و وزن مخصوص ظاهری به عنوان ویژگی های زود یافت و نفوذپذیری نهایی به عنوان پارامتر دیر یافت مورد بررسی قرار گرفت. داده های جمع آوری شده به دو دسته آموزش و صحت سنجی تقسیم شدند و از آنها برای آموزش و ارزیابی مدل های شبکه عصبی شامل پرسپترون چند لایه mlp)) و توابع پایه شعاعی rbf)) و همچنین رگرسیون خطی استفاده شد. نتایج حاصل از این تحقیق کارایی بالاتر مدل شبکه عصبی مصنوعی را نسبت به روش رگرسیون خطی نشان می دهد. علاوه بر آن شبکه mlp دارای عملکرد بهتری نسبت به شبکه rbf در دو مرحله آموزش و صحت سنجی بوده است. همچنین به منظور تعیین همبستگی هر یک از پارامترهای ورودی مستقل با مقدار نفوذپذیری خاک از آنالیز حساسیت نیز استفاده گردید.