فهرست نشریات علمی دسترسی آزاد ایران

چکیده فرآیند نفوذ آب به خاک از مهمترین اجزای چرخه‌ هیدرولوژی در طبیعت است. در سال‌های اخیر استفاده از شبکه‌های عصبی مصنوعی برای برآورد پدیده‌های هیدرولوژی افزایشی چشمگیر داشته است. هدف از این پژوهش، بررسی امکان تخمین پارامترهای مدل‌های فیلیپ، کوستیاکوف، کوستیاکوف-لوییز و هورتون با استفاده از شبکه‌های عصبی مصنوعی بود. بدین منظور، نفوذپذیری خاک در 123 نقطه از استان‌های اردبیل، زنجان، فارس، اصفهان و بوشهر به روش استوانه‌های مضاعف تعیین و پارامترهای مدل‌ها به روش حداقل مجموع مربعات خطا تعیین گردید. با حفر پروفیل در نزدیکی نقاط اندازه‌گیری نفوذ آب به خاک، لایه‌های پدوژنیک خاک مشخص و از دو افق بالایی نمونه‌برداری و ویژگی‌هایِ رطوبت اولیه، جرم ‌ویژه‌ ‌ظاهری، فراوانی نسبی ذرات، ماده آلی، درصد سنگریزه، آهک خاک، ظرفیت زراعی و رطوبت پژمردگی دایم اندازه‌گیری شد. شبکه‌های عصبی پرسپترون چند لایه برای برآورد پارامترهای نفوذ به‌کار گرفته شد. از ویژگی‌های زودیافت دو افق پدوژنیک خاک و پارامترهای نفوذ به ترتیب، به عنوان داده‌های لایه ورودی و خروجی شبکه‌های عصبی استفاده شد. در این تحقیق دو نوع شبکه عصبی پی‌ریزی شد. در گروه اول از ویژگی‌های زودیافت لایه‌ی اول به‌عنوان متغیرهای ورودی استفاده شد. در شبکه‌های عصبی پی‌ریزی شده‌ گونه‌ دوم، از ویژگی‌های زودیافت هر دو لایه‌ی پدوژنیکی به روش تجزیه مولفه‌های اصلی به عنوان متغیرهای ورودی استفاده گردید. مقایسه‌ عملکرد شبکه‌ها گونه‌ نخست و گونه‌ دوم، برتری شبکه‌های گونه‌ نخست را در برآورد پارامترهای مدل‌های نفوذ نشان داد. بنابراین، به منظور برآورد منحنی تجمعی نفوذ آب به خاک تنها از شبکه‌های گونه‌ نخست استفاده گردید. بهترین رتبه‌ برآوردگری را شبکه‌های طراحی شده برای مدل دو پارامتری فیلیپ داشته است. اعتبارسنجی مدل‌های نفوذ نشان داد شبکه‌های ایجاد شده برای پارامترهای مدل فیلیپ با میانگین RMSD معادل 644/6 سانتی‌متر، دارای بهترین عملکرد در برآورد نفوذ تجمعی آب به خاک بوده و شبکه‌های پی‌ریزی شده برای مدل‌های هورتون، کوستیاکوف-لوییز و کوستیاکوف به ترتیب در رتبه‌های دوم تا چهارم قرار گرفتند. واژه‌های کلیدی: پرسپترون چندلایه، شبکه‌های عصبی مصنوعی، نفوذ آب به خاک، مدل‌های نفوذ