برآورد پارامترهای نفوذ آب به خاک با استفاده از شبکه های عصبی مصنوعی

فرآیند نفوذ آب به خاک از مهمترین اجزای چرخه هیدرولوژی در طبیعت است. در سال های اخیر استفاده از شبکه های عصبی مصنوعی برای برآورد پدیده های هیدرولوژی افزایشی چشمگیر داشته است. هدف از این پژوهش، بررسی امکان تخمین پارامترهای مدل های فیلیپ، کوستیاکوف، کوستیاکوف-لوییز و هورتون با استفاده از شبکه های عصبی مصنوعی بود. بدین منظور، نفوذپذیری خاک در 123 نقطه از استان های اردبیل، زنجان، فارس، اصفهان و بوشهر به روش استوانه های مضاعف تعیین و پارامترهای مدل ها به روش حداقل مجموع مربعات خطا تعیین گردید. با حفر پروفیل در نزدیکی نقاط اندازه گیری نفوذ آب به خاک، لایه های پدوژنیک خاک مشخص و از دو افق بالایی نمونه برداری و ویژگی های رطوبت اولیه، جرم ویژه ظاهری، فراوانی نسبی ذرات، ماده آلی، درصد سنگریزه، آهک خاک، ظرفیت زراعی و رطوبت پژمردگی دایم اندازه گیری شد. شبکه های عصبی پرسپترون چند لایه برای برآورد پارامترهای نفوذ به کار گرفته شد. از ویژگی های زودیافت دو افق پدوژنیک خاک و پارامترهای نفوذ به ترتیب، به عنوان داده های لایه ورودی و خروجی شبکه های عصبی استفاده شد. در این تحقیق دو نوع شبکه عصبی پی ریزی شد. در گروه اول از ویژگی های زودیافت لایه ی اول به عنوان متغیرهای ورودی استفاده شد. در شبکه های عصبی پی ریزی شده گونه دوم، از ویژگی های زودیافت هر دو لایه ی پدوژنیکی به روش تجزیه مولفه های اصلی به عنوان متغیرهای ورودی استفاده گردید. مقایسه عملکرد شبکه ها گونه نخست و گونه دوم، برتری شبکه های گونه نخست را در برآورد پارامترهای مدل های نفوذ نشان داد. بنابراین، به منظور برآورد منحنی تجمعی نفوذ آب به خاک تنها از شبکه های گونه نخست استفاده گردید. بهترین رتبه برآوردگری را شبکه های طراحی شده برای مدل دو پارامتری فیلیپ داشته است. اعتبارسنجی مدل های نفوذ نشان داد شبکه های ایجاد شده برای پارامترهای مدل فیلیپ با میانگین RMSD معادل 644/6 سانتی متر، دارای بهترین عملکرد در برآورد نفوذ تجمعی آب به خاک بوده و شبکه های پی ریزی شده برای مدل های هورتون، کوستیاکوف-لوییز و کوستیاکوف به ترتیب در رتبه های دوم تا چهارم قرار گرفتند.