کامران عزیزی - دانشجوی کارشناسی ارشد علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان
کمال نبی اللهی - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان
مسعود داوری - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان

پایداری خاکدانه یکی از مهمترین ویژگیهای فیزیکی خاک است که اندازه گیری مستقیم آن دشوار و زمانبر می باشد.هدف از این پژوهش تخمین پایداری خاکدانه با استفاده از داده های زود یافت و مدل شبکه عصبی مصنوعی می باشد. بدینمنظور، در 100 نقطه در منطقه قروه استان کردستان بافت خاک، کربن آلی، هدایت الکتریکی، pH ، کربنات کلسیم، SAR وپایداری خاکدانه اندازه گیری شدند. پس از انجام تست آنالیز حساسیت پارامترهای کربن آلی، کربنات کلسیم و SAR به عنوانورودی های مدل انتخاب شدند. داده ها به دو سری آموزشی (70 درصد داده ها) و آزمون (30 درصد داده ها) تقسیم شدند.نتایج ارزیابی مدل بر اساس شاخص های ریشه میانگین مربعات خطا و ضریب تبیین نشان داد که الگوریتم هایآموزشی Momentum دارای بالاترین دقت در تخمین پایداری خاکدانه در مقایسه با الگوریتم های Quick prop، Conjugat Gradient, Levenberg Marguan و Delta Bar Delta میباشد و شبکه عصبی میتواند در تخمین پایداریخاکدانه به کار برده شود و نتایج مطلوبی بدست آورده شود.

پایداری خاکدانه، قروه، کردستان، شبکه های عصبی مصنوعی