ﻣﻘﺎﯾﺴﻪ ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺑﺎ روﺷﻬﺎي آﻣﺎري ﻣﺘﺪاول در ﭘﯿﺶ ﺑﯿﻨﯽ ﻫﺪاﯾﺖ ﻫﯿﺪروﻟﯿﮑﯽ اﺷﺒﺎع

ﻫﺪاﯾﺖ ﻫﯿﺪروﻟﯿﮑﯽ اﺷﺒﺎع از ﻣﻬﻤﺘﺮﯾﻦ ﺧﺼﻮﺻﯿﺖ ﻓﯿﺰﯾﮑﯽ ﺧﺎك اﺳﺖ ﮐﻪ ﮐﺎرﺑﺮدﻫﺎي وﺳﯿﻌﯽ در ﻋﻠﻮم ﺧﺎك و آب دارﻧﺪ. ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﻣﺪﻟﯽ رﯾﺎﺿﯽ اﺳﺖ ﮐﻪ ﺗﻮاﻧﺎﯾﯽ ﻣﺪلﺳﺎزي و اﯾﺠﺎد رواﺑﻂ رﯾﺎﺿﯽ ﻏﯿﺮﺧﻄﯽ ﺑﺮاي درونﯾﺎﺑﯽ را داﺷﺘﻪ ﮐﻪ در آن ﺑﺎ ﻣﻌﺮﻓﯽ ﺳﺎﺑﻘﻪ ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢ دﯾﻨﺎﻣﯿﮑﯽ، ﻣﺪل آﻣﻮزش ﯾﺎﻓﺘﻪ و ﻧﺤﻮه ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢ در ﺣﺎﻓﻈﻪ ذﺧﯿﺮه و در ﻣﻮاردي ﮐﻪ ﻣﺪل ﻗﺒﻼ ﺑﺎ آن ﻣﻮاﺟﻪ ﻧﺸﺪه اﺳﺘﻔﺎده ﻣﯽﺷﻮد. در ﺳﺎلﻫﺎي اﺧﯿﺮ اﺳﺘﻔﺎده از آن ﺑﻪ ﻋﻨﻮان راﻫﮑﺎري ﮐﻪ وﯾﮋﮔﯽﻫﺎي ﻓﯿﺰﯾﮑﯽ دﯾﺮﯾﺎﻓﺖ ﺧﺎك را از ﭘﺎراﻣﺘﺮﻫﺎي زودﯾﺎﻓﺖ ﺧﺎك ﺑﺮآورد ﻣﯽﮐﻨﺪ، ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. ﻫﺪف از اﯾﻦ ﺗﺤﻘﯿﻖ، ارزﯾﺎﺑﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ و ﻣﻘﺎﯾﺴﻪ آن ﺑﺎ رﮔﺮﺳﯿﻮنﻫﺎي آﻣﺎري ﺑﺮاي ﺗﺨﻤﯿﻦ ﻫﺪاﯾﺖ ﻫﯿﺪروﻟﯿﮑﯽ اﺷﺒﺎع ﺧﺎك از ﭘﺎراﻣﺘﺮﻫﺎي زودﯾﺎﻓﺖ ﺧﺎك ﻣﺜﻞ ﺑﺎﻓﺖ، ﺟﺮم وﯾﮋه ﻇﺎﻫﺮي، ﺗﺨﻠﺨﻞ ﻣﻮﺛﺮ، ﻣﯿﺎﻧﮕﯿﻦ ﻫﻨﺪﺳﯽ ﻗﻄﺮ ذرات و اﻧﺤﺮاف ﻣﻌﯿﺎر آنﻫﺎ اﺳﺖ. ﻧﺘﺎﯾﺞ ﭘﮋوﻫﺶﻫﺎ ﻧﺸﺎن داد ﮐﻪ ﻣﺪلﻫﺎي ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﻧﺴﺒﺖ ﺑﻪ ﻣﻌﺎدﻻت رﮔﺮﺳﯿﻮﻧﯽ ﻋﻤﻠﮑﺮد ﻣﻨﺎﺳﺐﺗﺮي دارﻧﺪ