استفاده از شبكه‌هاي عصبي مصنوعي براي برآورد هدايت هيدروليكي اشباع از ويژگي‌هاي زوديافت خاك

Using Artificial Neural Networks to estimate saturated hydraulic conductivity from easily available soil properties

هدايت هيدروليكي اشباع خاك از مهم‌ترين ويژگي‌هاي فيزيكي خاك است كه اهميتي ويژه در شناخت، بررسي و مدل‌سازي ترابري آب، املاح و آلاينده‌ها در محيط‌هاي متخلخل دارد. با وجود پژوهش‌هاي پرشمار كه پيرامون اندازه‌گيري مستقيم هدايت هيدروليكي اشباع صورت گرفته است، اين روش‌ها هم‌چنان پرهزينه، زمان‌بر و تخصصي هستند. از اين‌رو، برآورد هدايت هيدروليكي اشباع با استفاده از روش‌هايي سريع، كم‌هزينه و با دقتي قابل‌قبول از جمله توابع انتقالي خاك، ضروري است. هدف از اين پژوهش برآورد هدايت هيدروليكي اشباع با استفاده از پارامترهاي زوديافت خاك شامل توزيع اندازه ذرات، جرم ويژه ظاهري، تخلخل كل، تخلخل موثر، درصد رطوبت در مكش 3/0 و 15 بار، درصد آهك، درصد موادآلي، pH و EC با بهره‌گيري از شبكه عصبي مصنوعي بود. به اين منظور، در منطقه چهل‌دين در محدوده شهرستان گرگان هدايت هيدروليكي اشباع با استفاده از دستگاه نفوذسنج گوالف در 27 مكان در عمق‌هاي 35-10، 35-15 و 35-20 (81 = 3 × 27) اندازه‌گيري و از همان نقاط نمونه‌برداري خاك نيز صورت گرفت. سپس ويژگي‌هاي زوديافت خاك، در آزمايشگاه اندازه‌گيري و نتايج اوليه به‌دست آمد. بر پايه نتايج تجزيه حساسيت، درصد شن و رس، درصد رطوبت در مكش 3/0 بار، تخلخل كل و ميانگين هندسي اندازه ذرات به‌ترتيب به‌عنوان پارامترهاي حساس در برآورد هدايت هيدروليكي اشباع بودند. در نهايت به‌منظور تخمين سريع و كم‌هزينه هدايت هيدروليكي اشباع، با استفاده از پارامترهاي حساس، مدل‌هايي گوناگون طراحي شدند. نتايج نهايي مقايسه مدل‌ها نشان داد كه بهترين مدل از نظر دقت و سرعت تخمين هدايت هيدروليكي اشباع مدلي بود كه از پارامترهاي ورودي لگاريتم ميانگين هندسي قطر ذرات، تخلخل كل و درصد شن و رس استفاده شد.