مقالات آب و خاك (علوم و صنايع كشاورزي)

نفوذپذيري يکي از مهم ترين پارامترهاي فيزيکي خاک ها و از داده هاي بنيادي طرح هاي آبياري و زه کشي است. اگرچه براي توصيف اين پديده، تاکنون روش ها و روابط مختلف تئوري و يا تجربي ارايه شده، ولي هنوز هم از جنبه هاي تطابق و امکان کاربرد علوم جديدي نظير روش شبکه هاي عصبي مصنوعي در پيش بيني اين پديده، جاي تحقيق و بررسي وجود دارد. در تمام روش هاي موجود براي تعيين روابط نفوذ، انجام آزمايش هاي زمان بر و پرهزينه صحرايي الزامي است. همچنين وجود عبارت هاي غيرخطي در روابط حاکم بر پديده نفوذپذيري، مدل سازي آن را امري مشکل نموده است. از طرفي امروزه توانمندي هاي روش شبکه هاي عصبي مصنوعي در مدل سازي مسايل غيرخطي باعث شده تا در علوم مختلف مهندسي به موازات کاربرد روش هاي متداول، از روش شبکه هاي عصبي نيز استفاده شود. درتحقيق حاضر شبکه هاي عصبي مصنوعي به عنوان روشي جديد به منظور تخمين مقادير نفوذپذيري نهايي خاک ها به کار گرفته شده است. در اين تحقيق در مدل شبکه عصبي مصنوعي تهيه شده، پارامترهاي فيزيکي خاک از جمله درصد مواد آلي، وزن مخصوص حقيقي و ظاهري، تخلخل و همچنين پارامترهاي شيميايي آن نظير اسيديته و ميزان سديم به عنوان ورودي و در مقابل مقادير نفوذپذيري نهايي خاک به عنوان پارامتر خروجي مدل لحاظ شده اند. همچنين يک مدل آماري بر اساس رگرسيون هاي چندمتغيره تهيه و خروجي هاي مدل شبکه عصبي و مدل آماري با مقادير واقعي اندازه گيري شده و با کاربرد معيار ضرايب همبستگي مقايسه شده است. نتايج اين تحقيق نشان داد که مدل هاي شبکه عصبي مصنوعي با دقت بسيار بالا و قابل قبولي توانايي تخمين و پيش بيني مقادير نفوذپذيري نهايي خاک ها را بر اساس پارامترهاي زود يافت خاک دارند. وجه تمايز اين تحقيق با ساير تحقيقات مشابه در مدل سازي با شبکه هاي عصبي مصنوعي آن است که، در اين تحقيق علاوه بر کاربرد شبکه هاي عصبي مصنوعي در مورد نفوذپذيري، توانمندي هاي اين روش در يافتن دانش الگوريتم در داده هاي با حجم پايين نيز به اثبات رسيد.

 نسخه قابل چاپ