برآورد رطوبت اشباع خاك با استفاده از مدلهاي رگرسيوني و شبكه عصبي

رطوبت اشباع خاك از پارامترهاي مهم خاك است كه در بسياري از مطالعات آب و خاك حائز اهميت مي باشد. هدف از اين مطالعه برآورد رطوبت اشباع خاك با استفاده از توابع انتقالي، روش-هاي رگرسيوني چندگانه خطي و شبكه عصبي مصنوعي است. براي اين منظور، توزيع اندازه ذرات خاك، جرم مخصوص ظاهري، جرم مخصوص حقيقي، درصد موادآلي خاك، درصد كربنات كلسيم، ميانگين هندسي ذرات و انحراف معيار هندسي قطر ذرات خاك به عنوان پارامترهاي زوديافت خاك در نظر گرفته شدند. در اين مطالعه، با استفاده از پارامترهاي زود يافت خاك در 151 نمونه خاك، 6 مدل رگرسيوني و 4 مدل شبكه عصبي مصنوعي براي برآورد رطوبت اشباع خاك مورد ارزيابي قرار گرفت. دقت عملكرد مدل ها با استفاده از شاخص آماري چون مجذور ميانگين مربعات خطا (Root Mean Square Error) و ضريب موثر (Coefficient of Efficiency) مورد ارزيابي قرار گرفت. نتايج نشان داد كه مدل وريكن با توجه به شاخص هاي آماري ( 63 /0 CE=، 0/014 RMSE=) نسبت به ساير مدل هاي رگرسيوني رطوبت اشباع خاك بهتر پيش بيني نمود. همچنين بكاربردن درصد موادآلي و كربنات كلسيم به عنوان پارامتر ورودي شبكه عصبي علاوه بر توزيع اندازه ذرات، جرم مخصوص ظاهري و جرم مخصوص حقيقي خاك، روند بهتري نسبت به ساير مدل-ها در پيش بيني رطوبت اشباع خاك نشان داد.