تخمین ضریب انتشار پذیری خاک با استفاده از مدل شبکه عصبی مصنوعی و مدل رگرسیون

ضریب انتشار پذیری خاک یک خاصیت قابل اندازه گیری محیط متخلخل و یکی از پارامتر های مهممعادله جابجایی - انتشار می باشد. با توجه به اهمیت برآورد این پارامتر، در تحقیق حاضر از مدل شبکهعصبی مصنوعی و رگرسیون آماری استفاده گردید. بدین منظور از داده های آزمایشگاهی که از یک مدلفیزیکی به شکل تانک مستطیلی به طول 1550 میلی متر، عرض 100 میلی متر و ارتفاع 600 میلی متر جمعآوری شد، استفاده گردید. دادههای جمعآوری شده مربوط به خاک ماسه ای در پنج اندازه بسیار درشت،درشت، متوسط، ریز و بسیار ریز می باشند که در پنج فاصله 25، 50، 75، 100 و 125 سانتیمتر با 5 سرعتمتفاوت و کلرید سدیم با غلظت 9 گرم بر لیتر به عنوان آلاینده پایدار انتخاب گردید. از داده های اندازه گیریشده شامل: فاصله انتقال، قطر متوسط ذرات، وزن مخصوص ظاهری، تخلخل، هدایت هیدرولیکی، سرعتمتوسط آلودگی به عنوان پارامترهای ورودی و ضریب انتشارپذیری خاک به عنوان پارامتر خروجی استفاده شد. از معیارهای آماری مانند متوسط مجذور مربعات خطا (RMSE)، متوسط قدر مطلق خطا (MAE) و ضریب تبیین ((R(2)) برای بررسی توانایی مدل ها در برآورد ضریب انتشار پذیری خاک مورد استفاده قرار گرفت. نتایج حاصل نشان می دهد شبکهعصبی مصنوعی قابلیت نسبتا بالایی در پیش بینی ضریب انتشار پذیریخاک دارد. همچنین مدل شبکه عصبی مصنوعی با داشتن یک لایه پنهان و تابع گوسن دارای بهترین نتیجه می باشد. همچنین مقایسه بین نتایج مدل شبکه عصبی مصنوعی و مدل رگرسیون نشان می دهد کارایی مدل شبکه عصبی بهتر از مدل آماری می باشد.

Keywords:

آب , خاک , ضریب انتشار پذیری خاک , مدل رگرسیون , مدل شبکه عصبی مصنوعی