مدل سازی نفوذ تجمعی به کمک شبکه های عصبی مصنوعی در خاک های استان خوزستان

بیشتر توجه پزوهشگران به توسعه روش های مستقیم اندازه گیری ، مشخصات هیدرولیکی بوده و توجه کمتری به گسترش روش های براورد غیر مستقیم مشخصات هیدرولیکی از داده های زودیافت در نقشه برداری خاک شده است داده ها زودیافت به داده هایی مانند درصد رس، سیلت ، شن ، نقطه پژمردگی دائم و ظرفیت زراعی مزرعه گفته می شود که در گزارشات متداول خامشناسی موجود است این نوع از روش های غیر مستقیم مزایای بیشتری بر روش های مستقیم دارند زیرا بشیار کم هزینه بودنه و به راحتی قابل استفاده اند در این روش ها بجای اندازه گیری مقادیر پیش بینی شده متغیرها بر اساس روابط و توابع موجود برآوردمی شود ایجاد توابع انتقالی (PTFs) به کمک شبکه عصبی مصنوعی روش غیر مستقیمی برای برآورد ویزگی های هیدرولیکی خاک است شبکع عصبی مصنوعی با استفاده از ویژگی های خاک، ین خصوصیات زودیافت (نقطه پژمردگی دائم، ظرفیت زراعی مزرعه ، بافت) و خصوصیت دیریافت خاک (نفوذ تجمعی) ارتباط برقرار می کند نتایج نشان داد برآورد نفوذ تحمعی با استفاده از شبکه عصبی پرسپترون دارای آماره های 0/56=R ^2 و 0/01=MSE می باشد با توجه به بالا بودن مقادیر R^2 و پایین بودن مقدار MSE بدست آمده نتایج این روش از دقت بالا و خطای حداقل برخوردار است بنابراین در مناطق مشابه کاربرد نتایج آن از نظر سرعت انجام کار ، صرفه جویی در هزینه و داشتن دقت مناسب قابل توصیه است.

کلیدواژه ها:

خوزستان ، شبکه عصبی مصنوعی ، نفوذ تجمعی