ارزیابی عملکرد شبکه عصبی مصنوعی با تلفیق الگوریتم ژنتیک و منطق فازی در برآورد سرعت نفوذ آب به خاک در خاک های حاشیه رودخانه قزل اوزن استان زنجان

نفوذپذیری یکی از پارامترهای مهم فیزیکی و هیدرولیکی خاک است و تعیین مدلی کارآمد در برآورد میزان نفوذپذیری مهم است. در این پژوهش سرعت نفوذ آب به خاک از سه روش هوشمند شبکه های عصبی مصنوعی، سیستم تطبیقی عصبی فازی و شبکه عصبی ژنتیک برآورد شد. سناریوهای اطلاعاتی ورودی در قالب هشت سناریو شامل برخی خصوصیات فیزیکی و شیمیایی حاصل از 60 محل نمونه برداری در خاک های حاشیه رودخانه قزل اوزن استان زنجان بود. ارزیابی ها براساس آماره های مجذور میانگین مربعات خطا (RMSE)، میانگین خطای سوگیری (MBE)، ضریب همبستگی و کارایی مدل انجام شد. نتایج نشان داد براساس آماره های RMSE و MBE، الگوریتم ژنتیک به میزان 2 /82 و 24 /88 درصد نسبت به سیستم تطبیقی عصبی فازی و 1 /48 و 43 /71 درصد نسبت به شبکه عصبی مصنوعی دقت را بهبود بخشید. به همین ترتیب، کارایی مدل ساختار مناسب عصبی ژنتیک، 996 /0، سیستم تطبیقی عصبی فازی 863 /0 و عصبی مصنوعی 984 /0 به دست آمد که نشان دهنده کارایی بالاتر شبکه عصبی ژنتیک است. نتایج حاصل از مقایسه آزمون t هر یک از سناریوهای سه مدل در سطح یک و پنج درصد، نشان از عدم تفاوت معنی دار بین سناریوهای هشت گانه شبکه های هوشمند است. به طور کلی، براساس نتایج این پژوهش می توان از سناریوی هشتم فقط با سه نرون اطلاعاتی زودیافت مربوط به درصد ذرات خاک که عملکرد خوبی هم دارد، استفاده کرد.