برآورد سرعت نفوذ نهایی آب در خاک و پارامترهای معادلات نفوذ به روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان

نفوذ آب به خاک یکی از مهمترین فرآیندهای هیدرولوژیک است. هدف از این تحقیق، بررسی امکان تخمین پارامتر های مدل های فیلیپ و هورتون و سرعت نفوذ نهایی آب در خاک با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان (SVM) بود. به این منظور نفوذپذیری خاک در ۱۰۰ نقطه فضای سبز شهرستان ابرکوه (استان یزد) به روش استوانه ی مضاعف تعیین گردید. در نزدیکی نقاط اندازه گیری نفوذ آب به خاک، در عمق ۳۰-۰ سانتی متری سطح خاک نمونه برداری و ویژگی های خاک از جمله چگالی ظاهری، فراوانی نسبی ذرات، ماده آلی، نسبت جذب سدیم، تخلخل، میانگین هندسی قطر ذرات و انحراف معیار هندسی اندازه گیری شد. شبکه های عصبی پرسپترون چند لایه (MLP) با ۴ طراحی با ۳، ۵، ۷ و ۹ ورودی و ماشین بردار پشتیبان با ۹ ورودی برای برآورد سرعت نهایی نفوذ و پارامترهای مدل های نفوذ به کار گرفته شد. نتایج نشان داد که در برآورد پارامترهای مدل های فیلیپ و هورتون، شبکه های طراحی شده با ۹ پارامتر ورودی بیش ترین ضریب تبیین، کم ترین خطا و بیش ترین کارایی را نسبت به سایر شبکه های طراحی شده داشتند. همچنین مقایسه قدرت شبیه سازی شبکه عصبی برای پارامترهای دو مدل هورتون و فیلیپ نشان داد که بیش ترین کارایی در شبیه-سازی پارامترهای نفوذ مربوط به پارامتر سرعت نهایی در مدل هورتون با ضریب تبیین ۸۴/۰ و معماری ۱-۵-۹ بوده است. نتایج آنالیز حساسیت نشان داد که حساسیت بهترین مدل MLP و SVM در شبیه سازی سرعت نفوذ نهایی به دو پارامتر نسبت جذب سدیم و ماده آلی بیشتر از ۷ فاکتور دیگر بوده است. همچنین مدل SVM با دقت بسیار زیاد توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاک ها ر ا بر اساس پارامترهای زود یافت خاک دارد و کارائی این شبکه بیش تر از شبکه MLP در تخمین سرعت نفوذ نهایی آب به خاک بود.

Keywords:

آنالیز حساسیت , شبکه پرسپترون چندلایه , مدل فیلیپ , مدل هورتون