تخمین نفوذپذیری نهایی خاک ها با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: مزرعه پردیس ابوریحان)

نفوذپذیری یکی از مهم ترین پارامترهای فیزیکی خاک ها و از داده های بنیادی طرح های آبیاری و زه کشی است. اگرچه برای توصیف این پدیده، تاکنون روش ها و روابط مختلف تئوری و یا تجربی ارایه شده، ولی هنوز هم از جنبه های تطابق و امکان کاربرد علوم جدیدی نظیر روش شبکه های عصبی مصنوعی در پیش بینی این پدیده، جای تحقیق و بررسی وجود دارد. در تمام روش های موجود برای تعیین روابط نفوذ، انجام آزمایش های زمان بر و پرهزینه صحرایی الزامی است. همچنین وجود عبارت های غیرخطی در روابط حاکم بر پدیده نفوذپذیری، مدل سازی آن را امری مشکل نموده است. از طرفی امروزه توانمندی های روش شبکه های عصبی مصنوعی در مدل سازی مسایل غیرخطی باعث شده تا در علوم مختلف مهندسی به موازات کاربرد روش های متداول، از روش شبکه های عصبی نیز استفاده شود. درتحقیق حاضر شبکه های عصبی مصنوعی به عنوان روشی جدید به منظور تخمین مقادیر نفوذپذیری نهایی خاک ها به کار گرفته شده است. در این تحقیق در مدل شبکه عصبی مصنوعی تهیه شده، پارامترهای فیزیکی خاک از جمله درصد مواد آلی، وزن مخصوص حقیقی و ظاهری، تخلخل و همچنین پارامترهای شیمیایی آن نظیر اسیدیته و میزان سدیم به عنوان ورودی و در مقابل مقادیر نفوذپذیری نهایی خاک به عنوان پارامتر خروجی مدل لحاظ شده اند. همچنین یک مدل آماری براساس رگرسیون های چندمتغیره تهیه و خروجی های مدل شبکه عصبی و مدل آماری با مقادیر واقعی اندازه گیری شده و با کاربرد معیار ضرایب همبستگی مقایسه شده است. نتایج این تحقیق نشان داد که مدل های شبکه عصبی مصنوعی با دقت بسیار بالا و قابل قبولی توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاک ها را براساس پارامترهای زود یافت خاک دارند. وجه تمایز این تحقیق با سایر تحقیقات مشابه در مدل سازی با شبکه های عصبی مصنوعی آن است که، در این تحقیق علاوه بر کاربرد شبکه های عصبی مصنوعی در مورد نفوذپذیری، توانمندی های این روش در یافتن دانش الگوریتم در داده های با حجم پایین نیز به اثبات رسید.