مقایسه دقت توابع انتقالی رگرسیونی و شبکه های عصبی مصنوعی در تخمین شاخصهای پایداری خاکدانه

استفاده از شبکه های عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگی های دیریافت خاک مانند پایداری خاکدانه نسبت به روش های مستقیم، ساده تر و اقتصادی تر می باد. در این پژوهش، به منظور برآورد میانگین وزنی و هندسی قطر خاکدانه ها از طریق شبکه های عصبی مصنوعی و رگرسیون چند متغیره خطی، 105 نمونه خاک از دشت های چنار محمودی و خان میرزا در شهرستان لردگان استان چهارمحال و بختیاری، تهیه شد. و ویژگی های زود یافتی از خاک از قبیل ماده آلی، کربنات کلسیم، رس، سیلیت و شن یک بار به عنوان متغیرهای ورودی توابع انتقال رگرسیونی چند متغیره و یک بار به عنوان متغیرهای ورودی شبکه های عصبی مصنوعی به کار رفتند. در توابع انتقالی رگرسیونی از روش گام به گام و در شبکه های عصبی مصنوعی از ساختار پروسپترون یک لایه و شش نرون در هر لایه پنهان با الگوریتم آموزشی مومنتم و تابع فعال ساز تانژانت اکسن استفاده شد. نتایج نشان داد که شبکه های عصبی مصنوعی با ضریب تبیین و برتری نسبی بالاتر و میانگین مربعات خطای کمتر نسبت به توابع انتقالی رگرسیونی از دقت بیتری در برآورد پایداری خاکدانه ها برخوردارند. همچنین نتایج نشان می دهد که ماده آلی بیشترین تأثیر را بر اخص های پایداری خاکدانه دارد و بعد از ماده آلی، به ترتیب رس و کربنات کلسیم تأثیر گذارند. ضریب تبیین معادلات رگرسیونی نشان داد که میانگین وزنی خاکدانه با ضریب تبیین 0/72 نسبت به میانگین هندسی خاکدانه با ضریب تبیین 0/62، شاخص بهتری برای توصیف پایداری خاکدانه است.

Keywords:

توابع انتقالی رگرسیونی , شبکه های عصبی مصنوعی , پایداری خاکدانه