ارائه یک مدل شبکه عصبی مصنوعی برای تخمین نفوذ آب در خاک براساس پارامتر های مدل های SCS و کوستیاکوف

نفوذ آب به داخل خاک یکی از فرایند های است که امروزه بیشتر مد نظر محققان است و نقشی بسیار اساسی در چرخه آبی طبیعت ایفا می کند. به دلیل تغییرپذیری های زمانی و مکانی این ویژگی، اندازه گیری مستقیم آن نیاز به نمونه برداری های فراوان دارد. بنابراین، استفاده از روش غیرمستقیم به جای اندازه گیری مستقیم به منظور دستیابی به تخمینی قابل قبول بسیار مفید است. در این تحقیق، از پارامتر های دو مدل SCS و کوستیاکوف برای مدل سازی با استفاده از روش شبکه عصبی مصنوعی برای مدل سازی به کار برده شد. هدف از این تحقیق، ارائه مدلی برای شبیه سازی و پیش بینی میزان نفوذ با استفاده از شبکه عصبی مصنوعی بود. برای این منظور، تحت یک مطالعه موردی در حوزه آبخیز داوود رشید، استان لرستان، داده های بارش و رواناب به عنوان پارامتر های ورودی برای توسعه بهترین مدل شبکه عصبی مصنوعی استفاده شدند. سپس با استفاده از معیار های ارزیابی کارایی شامل درصد خطای نسبی (RE)، ریشه میانگین مربعات خطا (RMSE)، ضریب کارایی (EF) و ضریب تبیین (R2) بهترین مدل شبکه عصبی مصنوعی انتخاب شد. براساس نتایج حاصل، ساختار بهینه مدل شبکه عصبی مصنوعی، دو مدل ANN-1 و ANN-2 با 4 و 9 نرون در لایه پنهان به ترتیب تعیین شدند. همچنین نتایج تحقیق حاضر نشان داد، مدلی که براساس پارامتر های مدل سازمان حفاظت خاک آمریکا طراحی شده بود (یعنی مدل ANN-1) از دقت بالاتری برای پیش بینی نفوذ برخوردار است.