برآورد میانگین وزنی قطر خاکدانه ها با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی

اندازه گیری مستقیم برخی ویژگی های فیزیکی دیریافت خاک مثل پایداری خاکدانه وقت گیر، هزینه بر و گاهی اوقات به دلیل خطاهای آزمایشی و غیریکنواختی خاک غیرواقعی است. پایداری خاکدانه ها به عنوان یک ویژگی دیریافت می توانند از ویژگی های زودیافت خاک مانند بافت، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی برآورد شوند. هدف از این پژوهش ارائه مدل هایی برای برآورد میانگین وزنی قطر (MWD) خاکدانه از روی ویژگی های زودیافت با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی و همچنین ارزیابی کارآیی این مدل ها در برآورد با استفاده از معیارهای آماری مانندضریب تبیین (R2) و جذر میانگین مربعات خطا (RMSE) بود. برای این منظور،100 نمونه خاک از مناطق مختلف دشت اردبیل برداشت وتجزیه های فیزیکی و شیمیایی انجام شد. داده ها به دو سری داده های آموزشی (80 درصد داده ها) و داده های آزمون (20 درصد داده ها) تقسیم شدند. نتایج نشان داد که هر دو روش می توانند میانگین وزنی قطر خاکدانه را با دقت قابل قبولی برآورد کنند با این وجود شبکه عصبی مصنوعی از دقت بیش تر و خطای کمتری (R2 و RMSEبه ترتیب 88/0 و 042/0) در برآورد میانگین وزنی قطر خاکدانه نسبت به مدل های رگرسیونی (R2 و RMSE به ترتیب 81/0 و 054/0) برخوردار بودند.