سمیرا مصری - دکتری علوم و مهندسی خاک، دانشگاه شهرکرد، گروه علوم و مهندسی خاک
شجاع قربانی دشتکی - استاد گروه علوم و مهندسی خاک، دانشگاه شهرکرد
حسین شیرانی - استاد گروه علوم و مهندسی خاک، دانشگاه رفسنجان
ابوالقاسم کامکار روحانی - دانشیار گروه مهندسی نفت، معدن و ژئوفیزیک، دانشگاه صنعتی شاهرود
حمیدرضا متقیان - دانشیار گروه علوم و مهندسی خاک، دانشگاه شهرکرد

هدایت هیدرولیکی از ویژگی های فیزیکی و از شاخص های کیفیت خاک است. اندازه گیری هدایت هیدرولیکی وقت گیر و هزینه بر است هم چنین نیاز به وسیله برآورد آن را با مشکلاتی مواجه می سازد. از این رو استفاده از داده های زودیافت فیزیکی، شیمیایی و ژئوفیزیکی خاک و مدلسازی هدایت هیدرولیکی با داده های زودیافت و روش های یادگیری ماشین همانند شبکه عصبی مصنوعی می تواند کمک شایانی در برآورد ویژگی های دیریافت همانند هدایت هیدرولیکی خاک داشته باشد. پژوهش انجام شده در استان چهارمحال و بختیاری انجام پذیرفت. بدین منظور نمونه های خاک از مناطق مختلف شهرکرد و روستای مرغملک جمع آوری شد. پس از انجام آزمایشات فیزیکی و شیمیایی خاک داده ها در نرم افزار متلب وارد و به وسیله شبکه عصبی مدلسازی شدند. نتایج نشان داد که ضریب همبستگی R۲ در این پژوهش در شبکه عصبی مصنوعی برای داده های آموزش و آزمون به ترتیب (۸۲/۰ و ۷۵/۰) میزان خطا RMSE (۰۰۴۴/۰، ۰۰۵۶/۰) است.

ثابت دی الکتریک، مقاومت الکتریکی، هوش مصنوعی