مرتضی براهویی - دانشجوی کارشناسی ارشد مهندسی علوم خاک، دانشکده آبوخاک، دانشگاه زابل
احمد غلامعلی زاده آهنگر - دانشیار مهندسی علوم خاک، دانشکده آبوخاک، دانشگاه زابل
اسماء شعبانی - مربی گروه مهندسی علوم خاک، دانشکده آبوخاک، دانشگاه زابل

با توجه به اینکه روش های تجربی اندازه گیری پایداری خاکدانه دشوار و وقت گیر می باشند یک مطالعه مقایسه ای باهدفبررسی کارایی مدل رگرسیونی و شبکه عصبی مصنوعی (MLP)، برای پیش بینی پایداری خاکدانه های بزرگتر از 0/25میلی متر به روش الک تر (SAW> 250) در منطقه قرقری شهرستان هیرمندانجام شد. بدین منظور تعداد 130 نمونه خاک ازاراضی منطقه با پراکنش منظم تهیه گردید و برخی ویژگیهای خاک ازجمله بافت، ماده آلی، کربنات کلسیم، اسیدیته، هدایتالکتریکی و شاخص پایداری خاکدانه در آنها اندازه گیری شد. نتایج این مطالعه نشان می دهد که مدل شبکه عصبی (MLP)در مقایسه با مدل رگرسیونی توانایی و عملکرد بهتری در مدلسازی و برآورد شاخص پایداری خاکدانه به کمک ویژگی هایزود یافت خاک در منطقه موردمطالعه رادارد به طوریکه مدل RMSE=2.13, R(2)=0.61)MLP) بسیار بهتر نسبت به مدلرگرسیونی (RMSE=3.26, R(2)=0.12) ظاهرشده است.

پایداری خاکدانه، رگرسیون گام به گام، شبکه عصبی مصنوعی، منطقه ی قرقری، خصوصیات زود یافت