ارزيابي عملكرد شبكه‌هاي عصبي مصنوعي با تلفيق الگوريتم ژنتيك در برآورد سرعت نفوذ آب به خاك (مطالعه موردي: منطقه خداآفرين استان آذربايجان شرقي)

نفوذ، نقش حياتي را در چرخه هيدرولوژيكي با ميزان پراكندگي آب به اجزاي سطحي و زيرسطحي ايفا مي كند. اندازه گيري مستقيم سرعت نفوذ، معمولاً كاربر، هزينه بر و وقت‌گير هستند. شبكه عصبي مصنوعي، برنامه ريزي بيان ژن و الگوريتم تركيبي شبكه عصبي مصنوعيالگوريتم ژنتيك به عنوان روش هاي غيرمستقيم براي تخمين نفوذ آب به خاك استفاده شدند. هدف از اين مطالعه، توسعه يك مدل مناسب براي تخمين نفوذ آب به خاك با استفاده از استوانه مضاعف در 88 نقطه از منطقه خدآفرين استان آذربايجان شرقي مي باشد. آناليز همبستگي پيرسون نشان داد كه از بين ويژگي هاي خاكي، شن، سيلت، تخلخل كل و كربن آلي بيشترين همبستگي را با نفوذ آب به خاك دارند. مقادير ضريب تبيين و ريشه ميانگين مربعات خطاي نرمال شده براي مدل شبكه هاي عصبي مصنوعي و برنامه ريزي بيان ژن به ترتيب برابر 0.88، 7.9 و 0.75، 11.3 محاسبه شد كه هر دو روش در ارزيابي حداقل و حداكثر مقادير نفوذ آب به خاك از دقت كافي برخوردار نبودند. در روش شبكه هاي عصبي مبتني بر الگوريتم ژنتيك از توابع تانژانت سيگموئيدي در لايه مياني و محرك خطي در لايه خروجي با 5 نرون در لايه فعال استفاده شد. اين مدل از دقت و صحت بيشتري نسبت به مدل شبكه هاي عصبي مصنوعي و برنامه ريزي بيان ژن برخوردار مي باشد، به طوري كه مقادير R2 و NRMSE براي مدل تركيبي عصبي ژنتيك به ترتيب برابر 0.93 و 6.1 درصد بود. نهايتاً الگوريتم ژنتيك با بهينه سازي اوزان شبكه هاي عصبي باعث بهبود مدل سازي شد، لذا اين روش به عنوان روش كارا در تخمين نفوذ آب به خاك معرفي مي گردد.