المیراسادات شمس امام زاده - دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی - استادیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمود مشعل - دانشیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
موسی کلانکی - کارشناس ارشد هوش مصنوعی، دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی علوم و فناوری های زیر دریا

شبکه های عصبی مصنوعی ابزار ریاضی قدرتمندی هستند که توانایی شبیه سازی فرآیندهای پیچیده را دارند.یکی از مهمترین ویژگی های فیزیکی خاک هدایت هیدرولیکی اشباع خاک است.در این مطالعه به منظور بهبودعملکرد شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی از الگوریتم ژنتیک به عنوان تابع آموزش و ازپارامترهای معادله ریچاردز و ون گنوختن مبنای مدلHYDRUSو مشخصات فیزیکی چاهک های پوشش دارحفر شده به عنوان پارامترهای ورودی شبکه استفاده گردید. از شاخص هایRMSE ،MSE،R2 به منظورارزیابی نتایج استفاده شد.نتایج بدست آمده حاکی از عملکرد بسیار خوب مدلANN_GAجهت پیش بینی این پارامتر می باشد.

شبکه عصبی مصنوعی، الگوریتم ژنتیک، هدایت هیدرولیکی اشباع خاک ، HYDRUS