کیومرث ابراهیمی - استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دا
فاطمه نایب اوئی - دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشگاه ارومیه

نفوذ پذیری خاک ها یکی از پدیده های بسیار مهم و بنیادی در مباحث آب و خاک می باشد. با توجه به گستردگی کاربرد و اهمیت این پارامتر در صحت طراحی پروژه های آبی، عدم توجه به اندازه گیری و برآوردهای صحیح آن باعث هدر رفت سرمایه های ملی می شود. در تمام روشهای موجود برای تعیین معادلات نفوذ، انجام آزمایشات زمان بر و پرهزینه صحرایی الزامی است. همچنین وجود عبارت های غیرخطی در معادلات حاکم بر پدیده نفوذپذیری، مدلسازی آن را امری مشکل نموده است. از طرفی امروزه توانمندیهای روش های شبکه های عصبی مصنوعی در مدلسازی مسائل غیرخطی باعث شده تا درعلوم مختلف مهندسی به موازات کاربرد روشهای متداول، از روش شبکه های عصبی نیز استفاده شود . درتحقیق حاضر شبکه های عصبی مصنوعی به عنوان روشی جدید به منظور تخمین مقادیر نفوذپذیری نهایی خاکها بکار گرفته شد ه است . در این تحقیق در مدل شبکه عصبی مصنوعی تهیه شده، پارامترهای فیزیکی خاک از جمله درصد موادآلی، وزن مخصوص حقیقی و ظاهری، تخلخل و همچنین پارامترهای شیمیایی آن نظیر اسیدیته و میزان سدیم به عنوان ورودی و در مقابل مقادیر نفوذپذیری نهایی خاک به عنوان پارامتر خروجی مدل لحاظ شده اند. شبکه تهیه شده یک شبکه سه لایه پیش رو بوده که برای رسیدن به آن ،در مرحله آموزش و انتخاب نهایی از الگوریتم های مختلف بر مبناء حداقل میانگین مربعات خطا استفاده شده است . همچنین یک مدل آماری بر اساس رگرسیون های چند متغیره تهیه و خروجی های مدل شبکه عصبی و مدل آماری با مقادیر واقعی اندازه گیری شده و با کاربرد معیار ضرایب همبستگی مقایسه شده است. نتایج این تحقیق نشان داد که مدل های شبکه عصبی مصنوعی با دقت بسیار بالا و قابل قبولی توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاکها را بر اساس پارامترهای زود یافت خاک دارند. وجه تمایز این تحقیق با سایر تحقیقات مشابه در مدلسازی با شبکه های عصبی مصنوعی آن است که ، در این تحقیق علاوه بر کاربرد شبکه های عصبی مصنوعی در مورد نفوذپذیری، توانمند های این روش در یافتن دانش الگوریتم در داده های با حجم پائین نیز به اثبات رسید.

پارامترهای فیزیکو- شیمیایی خاک، شبکه عصبی مصنوعی، ضریب نفوذپذیری نهایی، مدل آماری