مقايسه و كاربرد شبكه عصبي مصنوعي، ماشين بردار پشتيبان و درخت تصميم در پيش بيني هدايت هيدروليكي اشباع خاك (مطالعه موردي: شهرستان هيرمند)

مقدمه و هدف: اندازه گيري مستقيم هدايت هيدروليكي خاك وقت گير و پرهزينه بوده و گاهي اوقات به دليل خطاهاي آزمايشي و عدم يكنواختي خاك نتايج بدست آمده چندان قابل اعتماد نمي باشد. اين پارامتر را مي توان با استفاده از پارامترهاي زوديافت خاك برآورد كرد. تحقيق حاضر به منظور پيش‌بيني هدايت هيدروليكي اشباع خاك با استفاده از روش‌هاي درخت تصميم، ماشين بردار پشتيبان و شبكه عصبي مصنوعي در شهرستان هيرمند انجام گرفت. مواد و روش ها: براي اين منظور، تعداد 130نمونه خاك از سطح (30- 0 سانتي‌متري) جمع‌آوري و براي انجام آزمايش و آناليز‌ها، به آزمايشگاه انتقال داده شد. در آزمايشگاه پارامترهاي هدايت هيدروليكي اشباع خاك، درصد‌‌‌رس، شن و سيلت، ماده‌آلي، اسيديته، هدايت‌الكتريكي و كربنات‌كلسيم اندازه گيري شد. سپس با استفاده از پارامترهاي اندازه گيري شده و با استفاده از مدل هاي درخت تصميم، شبكه‌ عصبي مصنوعي و ماشين بردار پشتيبان هدايت هيدروليكي اشباع برآورد شد. به منظور ارزيابي مدل‌ها از معيارهاي ضريب تبيين، مجذور ميانگين مربعات خطا و خطاي مطلق ميانگين استفاده شد. يافته ها: نتايج نشان داد كه مدل درخت تصميم با دارا بودن بالاترين ضريب تبيين (0/83) و كمترين مقدار ميانگين مربعات خطا و خطاي مطلق ميانگين (0/0026 و 0/0019) بهترين مدل براي پيش بيني هدايت هيدروليكي اشباع خاك در منطقه هيرمند مي باشد. همچنين نتايج آناليز حساسيت داده‌ها با استفاده از مدل شبكه عصبي مصنوعي نشان داد كه درصد شن، درصد آهك، درصد ‌سيلت و اسيديته به ترتيب مهمترين فاكتور‌‌هاي موثر بر هدايت هيدروليكي اشباع خاك در شهرستان هيرمند مي باشند. نتيجه گيري: نتايج حاصـل بيـانگر عملكرد بسيار مطلوب روش هاي هوش مصنوعي در پيش بيني هدايت هيدروليكي اشباع خاك مي باشد. در شرايطي كه امكان اندازه گيري هدايت هيدروليكي امكان پذير نباشد، مي توان با استفاده از پارامترهاي زوديافت خاك و روش هاي هوش مصنوعي، هدايت هيدروليكي را تخمين زد.