بررسي برآورد هدايت هيدروليكي اشباع توسط توابع شبكه عصبي مصنوعي (مطالعه موردي: مزرعه تحقيقاتي سد سيستان)

Investigating the estimation of saturated hydraulic conductivity by Artificial neural network functions (case study: research farm of sistan dam)

هدايت هيدروليكي اشباع خاك از مهمترين ويژگي¬هاي فيزيكي خاك است كه در مديريت آبياري مزارع، انتقال آلودگي و همچنين جريان آب در محيط¬هاي غيراشباع نقش مهمي را دارا است به علت محدوديتهاي عملي و يا هزينه¬اي، اندازه¬گيري آن با دشواري همراه است . از اين رو با صرف هزينه كم¬تر و كارايي بالاتر، مدل¬هاي داده محور مانند شبكه عصبي مصنوعي مي¬تواند جايگزين مناسبي براي اين منظور باشند. در اين تحقيق ابتدا هدايت هيدروليكي اشباع خاك در ۱۱۲ نقطه از اراضي كشاورزي مزرعه تحقيقاتي سد سيستان به روش ديسك مكشي اندازه¬گيري گرديد و متغيرهاي موثر Ec، شن، مواد آلي و كربن آلي با كمك رگرسيون مرحله¬اي از بين ده متغير مختلف اندازه¬گيري شده جهت برآورد هدايت هيدروليكي اشباع به عنوان خصوصيات زوديافت به¬كار گرفته شد. سپس شبيه سازي هدايت هيدروليكي اشباع خاك و بهترين مدل شبيه سازي از ميان توابع انتخابي شبكه عصبي مصنوعي مورد بررسي قرار گرفت. نتايج نشان داد كه به¬طوركلي از ميان مدل¬هاي بررسي شده در اين تحقيق، مدل لگاريتم سيگموئيد با تابع آموزش لونبرگ-ماركارد با ضريب تبيين ۶۹۱/۰ ، ريشه ميانگين مربعات خطا ۰۱۳/۹ بهترين برآورد هدايت هيدروليكي اشباع خاك را در اراضي مورد مطالعه دارا مي¬باشد.

Soil saturated hydraulic conductivity is one of the most important physical characteristics of the soil, which plays a significant role in managing farms’ irrigation, spreading pollution, and also stream flow in unsaturated areas, and due to practical and economical limitations, it is difficult to measure it. Thus, by spending less money and being more effective, data-driven models like the artificial neural network can be good alternatives for this purpose. In the present study, soil saturated hydraulic conductivity was first measured in 112 points of the research farm agricultural lands of Sistan Dam by a suction-disk method, and effective variables of Ec, sand, organic materials, organic carbon among the ten different measured variables were used to estimate the saturated hydraulic conductivity as accessible characteristics. Then, simulation of soil saturated hydraulic conductivity and the best simulation model among selective functions of the artificial neural network were investigated. The findings showed that generally among the investigated models in this study, sigmoid logarithm model with the Levenberg- Marquardt Training Function and determination coefficient of 0.691, and root-mean squared error of 9.013, has the best estimation of soil saturated hydraulic conductivity in the studied lands.