برآورد ضریب فرسایش پذیری خاک (K) با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی

رخدادهای طبیعی از جمله فرسایش خاک که از روند عادی خود خارج شده باشند، مشکلات و گرفتاریهایی برایجوامع بشری فراهم می سازند. یکی از ضروریات مهم مهار این بحران، شناخت عوامل موثر و کمی کردن آن است.تکثر پارامترهای تاثیرگذار در خواص فرسایش پذیری خاک و ارتباط عمدتا غیرخطی پارامترهای تاثیرگذار با خواصخاک از عمده دلایل استفاده از مدل شبکه های عصبی مصنوعی تکاملی است. منطقه مورد مطالعه در این تحقیقحوزه چم انجیر در استان لرستان می باشد که به همین منظور 150 گمانه در نقاط مختلف این حوزه نمونه برداریشده است و مقدار فرسایش پذیری نمونه های خاک بر اساس بافت خاک ، ساختمان خاک، نفوذ پذیری نهایی ومواد آلی از طریق نموگراف ویشمایر تعیین گردید. 80 % الگوها ( 120 الگو) برای آموزش و 10 % انتخابی الگوها ( 15الگو) برای اعتبار یابی مدل و 10 % انتخابی الگوها ( 15 الگو) برای آزمون شبکه مورد استفاده قرار می گیرد. مدلهای مورد استفاده در این تحقیق FF, TLRSN, MLP و RBF می باشد و به منظور بهینه سازی ساختار و توپولوژی شبکه ها از الگوریتم ژنتیک استفاده می گردد. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی MLP که با الگوریتم ژنتیک بهینه شده است از توانایی،انعطاف پذیری و دقت بیشتری برآورد ضریب فرسایش پذیری خاک برخوردار می باشد.

Keywords:

ضریب فرسایش پذیری خاک , شبکه های عصبی مصنوعی , الگوریتم ژنتیک , خصوصیات خاک