سنجش قابلیت شبکه های عصبی مصنوعی برای مدل سازی سامانه غیرخطی منحنی مشخصه خاک

منحنی مشخصه رطوبتی خاک اهمیت پایه ای در فیزیک خاک دارد. در بسیاری از مطالعات آب - خاک مانند حفاظت خاک، برنامه ریزی آبیاری، زهکشی، انتقال املاح، رشد گیاهان و بررسی تنش آبی گیاهان دانستن روابط هیدرولیکی غیر اشباع خاک ضروری است. در سال های اخیر نیز، افزایش نگرانی عمومی در مورد آلودگی آبهای زیرزمینی و تخلیه زیر سطحی فاضلاب ها، تحقیقات جدیدی را در زمینه جریان در محیط غیر اشباع باعث گردیده است. مهمترین رکن این مطالعات، رابطه بین فشار کاپیلاری و درجه اشباع می باشد که در مدل های کمی جریان غیر اشباع مورد استفاده واقع می شوند. تاکنون تحقیقات زیادی صورت گرفته تا خواص هیدرولیکی غیر اشباع خاک در قالب توابع ساده ای بیان شوند. دلیل این نوع توجه، تعداد پارامترها، پیچیدگی و غیرخطی بودن روابط بین پارامترها، دشواری، هزینه زیاد و وقت گیر بودن روش های موجود از یک سو نیاز مدل های جدید مطالعه حرکت آب و املاح در محیط متخلخل به پارامترهای هیدرولیکی خاک از سوی دیگر می باشد. در پژوهش حاضر، از تکنیک شبکه های عصبی به عنوان توابع انتقالی برای مدل نمودن سامانه غیرخطی منحنی مشخصه خاک استفاده شده است. در این روش با استفاده از مقادیر اندازه ذرات بافت خاک و داده های رطوبتی خاک به عنوان مقادیر ورودی مدل، ضرایب توابع هیدرولیکی وان گنوختن تخمین زده شد. نتایج تحقیق حاضر بیانگر قابلیت نسبتا بالای تکنیک مذکور در برآورد داده های منحنی مشخصه خاک، با استفاده از داده های ورودی محدود و سها الوصول می باشد. داده های خروجی مدل و داده های واقعی با شاخص آماری RMSE مقایسه شدند. مقدار آن برای n برابر 0/7248 و برای α برابر 0/0296 به دست آمد.