ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی)

نفوذ، نقش حیاتی را در چرخه هیدرولوژیکی با میزان پراکندگی آب به اجزای سطحی و زیرسطحی ایفا می­کند. اندازه­گیری­ مستقیم سرعت نفوذ، معمولا کاربر، هزینه­بر و وقت گیر هستند. شبکه عصبی مصنوعی، برنامه­ریزی بیان ژن و الگوریتم ترکیبی شبکه عصبی مصنوعی-الگوریتم ژنتیک به­عنوان روش­های غیرمستقیم برای تخمین نفوذ آب به خاک استفاده شدند. هدف از این مطالعه، توسعه یک مدل مناسب­ برای تخمین نفوذ آب به خاک با استفاده از استوانه مضاعف در ۸۸ نقطه از منطقه خدآفرین استان آذربایجان شرقی می­باشد. آنالیز همبستگی پیرسون نشان داد که از بین ویژگی­های خاکی، شن، سیلت، تخلخل کل و کربن آلی بیشترین همبستگی را با نفوذ آب به خاک دارند. مقادیر ضریب تبیین و ریشه میانگین مربعات خطای نرمال شده برای مدل شبکه­های عصبی مصنوعی و برنامه­ریزی بیان ژن به­ترتیب برابر ۸۸/۰، ۹/۷ و ۷۵/۰، ۳/۱۱ محاسبه شد که هر دو روش در ارزیابی حداقل و حداکثر مقادیر نفوذ آب به خاک از دقت کافی برخوردار نبودند. در روش شبکه­های عصبی مبتنی بر الگوریتم ژنتیک از توابع تانژانت سیگموئیدی در لایه میانی و محرک خطی در لایه خروجی با ۵ نرون در لایه فعال استفاده شد. این مدل از دقت و صحت بیشتری نسبت به مدل شبکه­های عصبی مصنوعی و برنامه­ریزی بیان ژن برخوردار می­باشد، به­طوری­که مقادیر R۲ و NRMSE برای مدل ترکیبی عصبی- ژنتیک به­ترتیب برابر ۹۳/۰ و ۱/۶ درصد بود. نهایتا الگوریتم ژنتیک با بهینه­سازی اوزان شبکه­های عصبی باعث بهبود مدل­سازی شد، لذا این روش به­عنوان روش کارا در تخمین نفوذ آب به خاک معرفی می­گردد.

کلیدواژه ها:

برنامه ریزی بیان ژن ، شبکه های عصبی مصنوعی ، الگوریتم تلفیقی ، ویژگی های زودیافت