مرتضی قضات - گروه خاک و پی عمران، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
محسن نجارچی - گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی اراک ایران
ایمان میرزاده - گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی اراک ایران

در تحقیق حاضر به پیش بینی هدایت هیدرولیکی اشباع خاک با استفاده از مدل شبکه عصبی مصنوعی در منطقه راسوند شازند پرداخته شد. ابتدا با نمونه برداری از 106 نمونه خاک، داده های زودیافت خاک شامل درصد رس، درصد سیلت، درصد شن، درصد مواد آلی، هدایت الکتریکی و اسیدیته تعیین گردید. همچنین درصد اشباع خاک نیز به عنوان پارامتر دیریافت برای این 106 نمونه خاک تعیین شد و به عنوان لایه ورودی در مدل شبکه عصبی مصنوعی تعریف گردید. سپس از آموزش نظارت شده با شبکه عصبی پیش‎خور چند لایه یا پرسپترون چند لایه طبق قانون پس انتشار خطا برای آموزش استفاده شد. نتایج نشان داد ضریب همبستگی در همه آرایش ها برای خروجی آموزش و آزمون بیشتر از 0/99 می باشد که بیانگر دقت بالای مدل شبکه عصبی در برآورد درصد اشباع خاک می باشد. با رتبه بندی مقادیر R و MSE مشخص شد که مدل شبکه عصبی با تعداد 8 نرون در لایه پنهان عملکرد بهتری را از خود نشان می دهد.

هدایت هیدرولیکی اشباع، خصوصیات خاک، شبکه عصبی مصنوعی، منطقه راسوند شازند