برآورد هدایت هیدرولیکی خاک با استفاده از شبکه عصبی مصنوعی

هدایت هیدرولیکی از ویژگی های فیزیکی و از شاخص های کیفیت خاک است. اندازه گیری هدایت هیدرولیکی وقت گیر و هزینه بر است هم چنین نیاز به وسیله برآورد آن را با مشکلاتی مواجه می سازد. از این رو استفاده از داده های زودیافت فیزیکی، شیمیایی و ژئوفیزیکی خاک و مدلسازی هدایت هیدرولیکی با داده های زودیافت و روش های یادگیری ماشین همانند شبکه عصبی مصنوعی می تواند کمک شایانی در برآورد ویژگی های دیریافت همانند هدایت هیدرولیکی خاک داشته باشد. پژوهش انجام شده در استان چهارمحال و بختیاری انجام پذیرفت. بدین منظور نمونه های خاک از مناطق مختلف شهرکرد و روستای مرغملک جمع آوری شد. پس از انجام آزمایشات فیزیکی و شیمیایی خاک داده ها در نرم افزار متلب وارد و به وسیله شبکه عصبی مدلسازی شدند. نتایج نشان داد که ضریب همبستگی R۲ در این پژوهش در شبکه عصبی مصنوعی برای داده های آموزش و آزمون به ترتیب (۸۲/۰ و ۷۵/۰) میزان خطا RMSE (۰۰۴۴/۰، ۰۰۵۶/۰) است.

Keywords:

ثابت دی الکتریک , مقاومت الکتریکی , هوش مصنوعی