تخمين هدايت هيدروليكي اشباع در برخي از خاك هاي استان ايلام با استفاده از شبكه هاي عصبي مصنوعي و روش هاي رگرسيوني

هدايت هيدروليكي اشباع ( Ks ) يكي از ورودي هاي مهم در مدلسازي جريان آب و انتقال آلاينده ها در خاك، طراحي سيستم هاي آبياري و زهكشي، مدلسازي آبهاي زيرزميني و فرايندهاي زيست محيطي است. اندازه گيري مستقيم Ks در مزرعه و آزمايشگاه ميسّر ميباشد؛ ليكن، معمولاً زمانبر، پرهزينه و دشوار بوده و در سطوح بزرگ نيز غيرعملي است. افزون بر اين، به دليل غيرهمگن بودن خاك و خطاهاي آزمايشگاهي، تا حدودي اين اندازه گيريها غيرقابل اعتماد هستند. يكي از راه هاي غلبه بر اين مشكل، استفاده از روش هاي غيرمستقيم همچون توابع انتقالي خاك ميباشد. از آنجايي كه تاكنون در منطقه موردمطالعه توابعي انتقالي جهت برآورد Ks پيشنهاد نشده است؛ لذا در اين پژوهش با استفاده از شبكه هاي عصبي مصنوعي و رگرسيون هاي آماري و بهره گيري از تعدادي محدود يا مجموعه اي وسيعتر از ويژگيهاي زوديافت خاكي، توابعي انتقالي براي برآورد Ks تبيين و كارآيي آنها ارزيابي شد. بدين منظور، هدايت هيدروليكي اشباع 95 نقطه محل از زيرحوزه هاي آبخيز چرداول چمشير در استان ايلام با استفاده از پرمامتر گلف اندازه گيري شد. همچنين برخي از ويژگي هاي زوديافت خاك اين نقاط مطالعاتي نيز تعيين شد. سپس اعتبار توابع اشتقاق يافته در تعيين Ks ، با استفاده از جذر ميانگين مربعات خطا ( RMSE )، ميانگين خطا ( ME ) و ضريب همبستگي پيرسون ( r ) ارزيابي شد. با توجه به نتايج، Ksبا ميانگين هندسي قطر ذارت و مقدار شن داراي بيشترين همبستگي بود (به ترتيب داراي r معادل 58 / ۰ و 56 / ۰). نتايج نشان داد در صورت دسترسي به تعداد كمي ازويژگيهاي زوديافت خاكي، توابع انتقالي رگرسيوني و شبكه عصبي مصنوعي ميتوانند Ks را با دقت نسبتاً خوبي پيش بيني كنند به ترتيب داراي (rR-val= 0.85, RMSER-val= 6.81 mm/hr and rANN-test= 0.87, RMSEANN-test= 10.80 mm/hr) اين در حالي است كه با توجه به نتايج، در صورت استفاده از ويژگيهاي زوديافت بيشتر، دقت پيش بيني Ks توسط مدل شبكه عصبي در هر دو مرحله آموزش و آزمون افزايش يافت (rtrain= 0.92, RMSEtrain= 4.36 mm/hr and rtest= 0.89, RMSEtest= 7.17 mm/hr). در مجموع نتايج نشان دادند كه شبكه هاي عصبي مصنوعي در مقايسه با مدل هاي رگرسيوني خطي داراي كارآيي نسبتاً بهتر در تخمين هدايت هيدروليكي اشباع خاك مي باشند.