كاربرد شبكه‌ عصبي مصنوعي در بهبود وضعيت اكولوژيكي، با پيش‌بيني مدت زمان آبشويي نمك‌ها، از طريق مدل‌هاي فيزيكي آزمايشگاهي

پيش‌بيني مدت زمان لازم براي آبشويي نمك‌ها از نيمرخ خاك‌هاي شور، به‌منظور رسيدن به شوري مناسب براي كشت، به‌عنوان يكي از عوامل اساسي توليد پايدار در مديريت منابع طبيعي تلقي مي‌‌گردد. تحقيق حاضر اين هدف را در مقياس كوچك، در محيط آزمايشگاه، از طريق مدل‌هاي‌ فيزيكي، قبل از پياده‌سازي در مقياس وسيع و صرف وقت و هزينه بسيار بالا در مزرعه به اجرا رسانده است، براي رسيدن به اين هدف، ابتدا نمونه‌هاي خاك از اعماق صفر تا 50 سانتي‌متري نيمرخ خاكي شور تهيه، سپس به آزمايشگاه منتقل شدند و به همان ترتيبي كه از نيمرخ خاك برداشت شده بودند، درون سيلندرهايي كه به اين منظور طراحي شده بودند قرار داده شدند. آبشويي‌ نمك‌ها انجام شد و زه‌آب‌هاي خروجي از انتهاي سيلندرها، در سري‌هاي زماني ثابت، جمع‌آوري و مقدار هدايت الكتريكي (EC) درآنها اندازه‌گيري شد. در آخر شبكه عصبي مناسب طراحي و آموزش داده شد. نتايج نشان مي‌دهد كه شبكه‌هاي عصبي مصنوعي (ANN)، با خطايي كمتر از 0.0001 دقيقه قادر به پيش‌بيني زمان لازم براي آبشويي نمك‌ها از نيمرخ خاك مي‌باشد. بدين ترتيب مي‌توان با كمك پيش‌بيني انجام شده، نسبت به اعمال مديريت صحيح در منطقه مورد بررسي و جلوگيري از آبشويي بيش از اندازه يا كمتر از حد مورد نياز كه در نهايت منجر به وارد آمدن خسارت به منابع طبيعي و ملي مي‌شود، اقدام نمود.

Forecasting appropriate time for cultivation after salt leaching in saline soils is considered as a fundamental element in sustainable production in natural resources management. The aim of this study is to develop an artificial neural network in combination with laboratory physical model to precisely estimate required leaching time before cultivation phase. To achieve this objective, soil samples from field were ordered in to cylinders in the laboratory as same as soil profile in the field. Process of salt leaching was carried out and time series of electrical conductivity (EC) were measured in collected drainage water. Parameters in the neural network were trained and predictions were validated. The results indicate that the developed ANN is capable of predicting required time for salt leaching accurately with an error of less than 0.0001 minute from observations