ارايه توابع انتقالي جهت پيش بيني هدايت هيدروليكي اشباع خاك هاي گراولي با استفاده از رگرسيون حداقل مربعات جزيي

هدايت هيدروليكي اشباع (Ks) يكي از مهمترين پارامترهاي فيزيكي خاك بوده كه اندازه گيري مستقيم آن پرهزينه و وقت گير مي باشد. از اين رو روش هاي غير مستقيم پيش بيني Ks، مانند توابع انتقالي، گسترش يافته اند. مطالعات انجام شده نشان داد كه توابع انتقالي متداول در مراجع، در مورد خاك هاي گراولي منجر به پيش بيني هاي مناسبي از Ks نمي شوند. از اين رو، اين پژ‍وهش با هدف ارايه توابع انتقالي جديد صورت گرفت. در اين پژوهش برخي ويژگي هاي فيزيكي مربوط به 49 نمونه خاك گراولي با درصد گراول بين 5/6 تا 40 در محدوده پرديس دانشگاه فردوسي مشهد، شامل Ks، چگالي ظاهري و منحني توزيع اندازه ذرات اندازه گيري شد. اندازه گيري ها در يك شبكه مربعي منظم با فواصل 4 متر صورت گرفت. براي اندازه گيري Ks از روش چاهك معكوس استفاده شد. جهت تعيين موثرترين پارامترها براي پيش بيني Ks، ابتدا تركيب هاي مختلفي از متغيرهاي مستقل انتخاب گرديد. سپس براي هركدام از تركيب ها با استفاده از روش رگرسيون بهترين زيرمجموعه از متغيرها جهت رگرسيون مشخص شد. با استفاده از رگرسيون حداقل مربعات جزيي و استفاده از داده هاي اندازه گيري شده، براي هر حالت مقدار Ks پيش بيني شد. به منظور ارزيابي اعتبار توابع بدست آمده نيز از روش اعتبارسنجي متقابل استفاده گرديد. نتايج نشان داد كه موثرترين متغيرهاي مستقل جهت پيش بيني Ks، مجذور پارامترهاي انحراف معيار هندسي، ميانگين هندسي و ميانه قطر كل ذرات مي باشد. شاخص هاي R2، RMSE، MAE و R2pred در مورد تابعي كه از اين پارامترها استفاده مي كند به ترتيب برابر 40/0، 245/0، 208/0 و 30/0 مي باشد.

Saturated hydraulic conductivity (Ks) is one of the most important physical properties of soils which is expensive and time-consuming to directly measure. Hence, indirect methods, such as pedotransfer functions (PTFs), were developed to predict the Ks. Previous studies showed that most of the PTFs common in the literature can not suitably predict the Ks. Hence, this study was conducted to develop some new PTFs. In this study, some physical properties of 49 gravel soils, including Ks, bulk density and particle size distribution, were measured in a land in the campus of ferdowsi university of mashhad. The measurements were performed in a regular quadrangular grid with 4 meters distances. To measure the Ks, inverse hole method was used. To derive some PTFs, 8 arbitrary sets of independent variables were selected. For each set, the best subset of independent variables was selected using best subset regression method. Then, this PTF was found using partial least square regression method. To evaluate the validity of the derived PTFs, we used cross-validation method. The results showed that the PTF that used d50, geometric mean and standard deviation of the particle size distribution as independent variables could more precisely predict the Ks. For this PTF, R2, RMSE, MAE and R2pred are 0.4, 0.245, 0208 and 0.3 respectively.