سال انتشار: ۱۳۸۳

محل انتشار: سومین کارگاه فنی زهکشی و محیط زیست

تعداد صفحات: ۱۱

نویسنده(ها):

مریم نوابیان – دانشجوی دکترای گروه آبیاری وآبادانی دانشکده کشاورزی دانشگاه تهران
عبدالمجید لیاقت – استادیار گروه آبیاری وآبادانی دانشکده کشاورزی دانشگاه تهران
مهدی همایی – استادیار گروه خاکشناسی دانشکده کشاورزی دانشگاه تربیت مدرس

چکیده:

هدایت آبی اشباع مهمترین ویژگی فیزیک ی خاک است که در طراحی و امکان پذیر بودن فنی و اقتصادی پروژه های زهکشی زیرزمینی نقش عمده ای به عهده دارد . لیکن، اندازه گیری مستقیم این ویژگی چه به صورت صحرایی و چه در آزمایشگاه بسیار وقت گیر و پرهزینه می باش د. همچنین، به دلیل تغییرات زیاد زمانی – مکانی خاکها، اندازه گیری های نقطه ای نمی توانند نمایندۀ واقعی این ویژگی خاک باشند ، مگر آنکه تعدادی بسیار زیاد نمونه برداری صورت پذیرد . در سالهای اخیر استفاده از شبکه های عصبی مصنوعی به عنوان راهکاری که ویژگی های فیزی کی خاک را از پارامترهای ز ودیافت خاک برآورد می کند، مورد توجه قرار گرفته است . شبکۀ عصبی مصنوعی از الگوی شبک ۀ عصبی انسان شبیه سازی شده است، به گونه ای که می تواند پس از آموزش، پارامترهای خروجی مورد نظر را با اعمال پارامترهای ورودی برآورد نماید . در این پژوهش، از ساختار شبک ۀ عصبی پرسپترون با الگوریتم آموزشی مارکوآت لورنبرگ استفاده شد تا هدایت آبی اشباع از پارامترهای زودیافت خاک همچون جرم ویژ ۀ ظاهری، تخلخل مؤثر، میانگین هندسی قطر ذرات و انحراف معیار آنها برآورد شود . نتایج نشان داد که نمون های عصبی ایجاد شده قادرند هدایتآبی اشباع را با دقت بالاR2=0.83 برآورد نمایند . همچنین، در مقایسه با معادلات رگرسیونی موجود،مدل های شبکۀ عصبی ارائه شده عملکردی مناسب تر دارند.