کاربرد شبکه عصبی مصنوعی برای تخمین پارامترهای معادله نفوذ فیلیپ

نفوذپذیری آب در خاک یکی از مهم ترین پدیده های فیزیکی خاک است. روش های تجربی تعیین معادله های نفوذ، نیازمند انجام آزمایش های زمان بر و پرهزینه است، لذا در این پژوهش از روش غیرمستقیم شبکه عصبی مصنوعی برای تخمین مقادیر ضریب جذب (S)  و فاکتور انتقال (A)  معادله فیلیپ استفاده شد. ساختارهای مختلف شبکه عصبی مصنوعی متشکل از الگوریتم های آموزش TrainLM  و TrainBR و توابع انتقال لوگ سیگمویید و تانژانت سیگمویید برای لایه های میانی و تابع تبدیل خطی برای لایه خروجی و ترکیبات متفاوتی از ورودی ها، شامل مقادیر نفوذ تجمعی و زمان های مربوط به هرکدام، به عنوان ورودی ثابت و درصد شن، درصد سیلت، درصد رس، چگالی ظاهری و ماده آلی به عنوان ورودی های متغیر، برای 30 نقطه در دانشکده کشاورزی واقع در منطقه باجگاه بررسی گردید. برای تخمین ضریب جذب بهترین ساختار دارای دو لایه مخفی و 3 ورودی (درصد شن، درصد سیلت و درصد رس) با دو نرون در لایه اول و سه نرون در لایه دوم و الگوریتم آموزش TrainLM بود. برای تخمین فاکتور انتقال بهترین ساختار دارای دو لایه مخفی و 5 ورودی (چگالی ظاهری، مقدار ماده آلی، درصد شن، درصد سیلت و درصد رس) با دو نرون در لایه اول و سه نرون در لایه دوم و الگوریتم آموزش Train BR بود. افزایش تعداد لایه های مخفی و تعداد ورودی ها تاثیر به سزایی در بهبود نتیجه داشت و شبکه عصبی در تخمین مقادیر فاکتور انتقال عملکرد بسیار بهتری نسبت به ضریب جذب را نشان داد. مقدار ضریب تعیین (R2) نشان داد که پیشبینی های شبکه عصبی برای (A (% 6/84 بهتر از (S (% 5/77 می باشد.