ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی)
نفوذ، نقش حیاتی را در چرخه هیدرولوژیکی با میزان پراکندگی آب به اجزای سطحی و زیرسطحی ایفا می کند. اندازه گیری مستقیم سرعت نفوذ، معمولا کاربر، هزینه بر و وقت گیر هستند. شبکه عصبی مصنوعی، برنامه ریزی بیان ژن و الگوریتم ترکیبی شبکه عصبی مصنوعی-الگوریتم ژنتیک به عنوان روش های غیرمستقیم برای تخمین نفوذ آب به خاک استفاده شدند. هدف از این مطالعه، توسعه یک مدل مناسب برای تخمین نفوذ آب به خاک با استفاده از استوانه مضاعف در 88 نقطه از منطقه خدآفرین استان آذربایجان شرقی می باشد. آنالیز همبستگی پیرسون نشان داد که از بین ویژگی های خاکی، شن، سیلت، تخلخل کل و کربن آلی بیشترین همبستگی را با نفوذ آب به خاک دارند. مقادیر ضریب تبیین و ریشه میانگین مربعات خطای نرمال شده برای مدل شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن به ترتیب برابر 0/88، 7/9 و 0/75، 11/3محاسبه شد که هر دو روش در ارزیابی حداقل و حداکثر مقادیر نفوذ آب به خاک از دقت کافی برخوردار نبودند. در روش شبکه های عصبی مبتنی بر الگوریتم ژنتیک از توابع تانژانت سیگموئیدی در لایه میانی و محرک خطی در لایه خروجی با 5 نرون در لایه فعال استفاده شد. این مدل از دقت و صحت بیشتری نسبت به مدل شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن برخوردار می باشد، به طوری که مقادیر R2 و NRMSE برای مدل ترکیبی عصبی- ژنتیک به ترتیب برابر 0/93 و 6/1 درصد بود. نهایتا الگوریتم ژنتیک با بهینه سازی اوزان شبکه های عصبی باعث بهبود مدل سازی شد، لذا این روش به عنوان روش کارا در تخمین نفوذ آب به خاک معرفی می گردد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.