فهرست نشریات علمی دسترسی آزاد ایران

نفوذ آب به خاک یکی از مهمترین فرآیندهای هیدرولوژیک است. هدف از این تحقیق، بررسی امکان تخمین پارامتر‌های مدل‌های فیلیپ و هورتون و سرعت نفوذ نهایی آب در خاک با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان (SVM) بود. به‌این منظور نفوذپذیری خاک در 100 نقطه فضای سبز شهرستان ابرکوه (استان یزد) به روش استوانه‌ی مضاعف تعیین گردید. در نزدیکی نقاط اندازه‌گیری نفوذ آب به خاک، در عمق 30-0 سانتی‌متری سطح خاک نمونه‌برداری و ویژگی‌های خاک از جمله چگالی ظاهری، فراوانی نسبی ذرات، ماده آلی، نسبت جذب سدیم، تخلخل، میانگین هندسی قطر ذرات و انحراف معیار هندسی اندازه‌گیری شد. شبکه‌های عصبی پرسپترون چند لایه (MLP) با 4 طراحی با 3، 5، 7 و 9 ورودی و ماشین بردار پشتیبان با 9 ورودی برای برآورد سرعت نهایی نفوذ و پارامترهای مدل‌های نفوذ به‌کار گرفته شد. نتایج نشان داد که در برآورد پارامترهای مدل‌های فیلیپ و هورتون، شبکه‌های طراحی شده با 9 پارامتر ورودی بیش‌ترین ضریب تبیین، کم‌ترین خطا و بیش‌ترین کارایی را نسبت به سایر شبکه‌های طراحی شده داشتند. همچنین مقایسه قدرت شبیه‌سازی شبکه عصبی برای پارامترهای دو مدل هورتون و فیلیپ نشان داد که بیش‌ترین کارایی در شبیه-سازی پارامترهای نفوذ مربوط به پارامتر سرعت نهایی در مدل هورتون با ضریب تبیین 84/0 و معماری 1-5-9 بوده است. نتایج آنالیز حساسیت نشان داد که حساسیت بهترین مدل MLP و SVM در شبیه‌سازی سرعت نفوذ نهایی به دو پارامتر نسبت جذب سدیم و ماده آلی بیشتر از 7 فاکتور دیگر بوده است. همچنین مدل SVM با دقت بسیار زیاد توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاک‌ها ر ا بر اساس پارامترهای زود یافت خاک دارد و کارائی این شبکه بیش‌تر از شبکه MLP در تخمین سرعت نفوذ نهایی آب به خاک بود.