ارزیابی روش الگوریتم ژنتیک در مقایسه با روش های زمینآماری و شبکه عصبی در تخمین هدایت هیدرولیکی اشباع خاک با استفاده از بافت خاک

روش های مستقیم اندازه گیری هدایت هیدرولیکی خاک پر هزینه و وقت گیرمی باشد. دراین پژوهش از روش های الگوریتم ژنتیک و شبکه عصبی پرسپترون چندلایه (MLP) و روش های زمین آماری برای تخمین هدایت هیدرولیکی اشباع خاک با استفاده از خصوصیات درصد توزیع اندازه ذرات استفاده شد. داده ها از 134 پروفیل خاک در قالب مطالعات خاکشناسی و طبقه بندی اراضی که توسط سازمان جهاد کشاورزی اردبیل انجام شده بود، بدست آمد. نتایج نشان دادکه از میان روش های، زمین آماری، کوکریجینگ معمولی دارای بهترین برازش بوده و بهترین واریوگرام برازش داده شده در این روش مدل توانی1با اثر قطعه ای صفر2(سانتی متربرروز) و سقف3156 (سانتی متربرروز) بودکه نشان دهنده استحکام ساختارفضایی منطقه و تاثیرکامل موئلفه ساختار دار بر مدل واریوگرام منطقه است. همچنین در روش کوکی ریجینگ معمولی دقت برآورد باضریب تعیین (93/0R2=) و خطای (سانتی متربرروز21/3RMSE=) برآوردگردید. نتایج نشان دادکه شبکهMLPباالگوریتم آموزشی لونبرگ – مارکوات4دارای ضریب تعیین (997/0R2=) و خطای (سانتی متر بر روز 22/1RMSE=) در تخمین هدایت هیدرولیکی اشباع خاک می باشد. برای روش الگوریتم ژنتیک، مقدار ریشه مربعات خطا و ضریب تعیین به ترتیب برا بر 35/1 و 925/0 برآوردگردید. بنابراینکاراییمدل ها نشان داد که شبکه عصبی مصنوعی در مقایسه باروش های زمین آماری و الگوریتم ژنتیک توانسته دایت هیدرولیکی خاک را با دقت بالاتری برآوردنماید و نتایج آن نزدیک به نتایج اندازه گیری شده گردد.