برآورد رطوبت اشباع خاک با استفاده از مدلهای رگرسیونی وشبکه عصبی

رطوبت اشباع خاک از پارامترهای مهم خاک است که در بسیاری از مطالعات آب و خاک حائز اهمیت میباشد. هدف از این مطالعه برآوردرطوبت اشباع خاک با استفاده از توابع انتقالی، روشهای رگرسیونی چندگانه خطی و شبکه عصبی مصنوعی است. برای این منظور، توزیع اندازهذرات خاک، جرم مخصوص ظاهری، جرم مخصوص حقیقی، درصد موادآلی خاک، درصد کربنات کلسیم، مییانگین هندسی ذرات و انحرافمعیار هندسی قطر ذرات خاک به عنوان پارامترهای زودیافت خاک در نظر گرفته شدند. در این مطالعه، با استفاده از پارامترهای زود یافت خاک در 151 نمونه خاک، 6 مدل رگرسیونی و 4 مدل شبکه عصبی مصنوعی برای برآورد رطوبت اشباع خاک مورد ارزیابی قرار گرفت. دقت عملکرد (Coefficient of و ضریب موثر (Root Mean Square Error) مدلها با استفاده از شاخصآماری چون مجذور میانگین مربعات خطا) RMSE= 0/014 ، CE=0/ مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل وریکن با توجه به شاخصهای آماری 66 Efficiency)نسبت به سایر مدلهای رگرسیونی رطوبت اشباع خاک بهتر پیش بینی نمود. همچنین بکاربردن درصد موادآلی و کربنات کلسیم به عنوان پارامتر ورودی شبکه عصبی علاوه بر توزیع اندازه ذرات، جرم مخصوص ظاهری و جرم مخصوص حقیقی خاک، روند بهتری نسبت به سایر مدلها در پیش بینی رطوبت اشباع خاک نشان داد

کلیدواژه ها:

توابع انتقالی ، رطوبت اشباع خاک