ارزيابي مدل‌هاي رگرسيوني و عصبي- فازي در برآورد هدايت هيدروليكي اشباع خاك

Evaluation of Regression and Neuro_Fuzzy Models in Estimating Saturated Hydraulic Conductivity

مطالعه خصوصیات هیدرولیكی خاك از جمله هدایت هیدرولیكی اشباع خاك در بررسی‌های زیست محیطی ضروری می‌باشد. با وجود پژوهش‌های بی‌شمار كه پیرامون اندازه‌گیری مستقیم هدایت هیدرولیكی اشباع صورت گرفته است، این روش‌ها هم‌چنان پر‌هزینه، زمان‌بر و تخصصی هستند. از این رو برآورد هدایت هیدرولیكی اشباع خاك با استفاده از روش‌هایی سریع، كم هزینه و با دقت قابل قبول مانند توابع انتقالی خاك توسعه یافته است. هدف اصلی این تحقیق، مقایسه و ارزیابی 11 تابع انتقالی رگرسیونی و سامانه استنتاج تطبیقی عصبی- فازی به منظور برآورد هدایت هیدرولیكی اشباع خاك می‌باشد. لذا آزمایشات مربوط به محاسبه هدایت هیدرولیكی اشباع و محاسبه خصوصیات فیزیكی خاك در 40 نقطه از شهرستان ارومیه صورت گرفت. در هر موقعیت انتخابی، چاهكی تا عمق 30 سانتی‌متر حفر گشت. هدایت هیدرولیكی اشباع خاك با روش پرمامتر گلف در محل هر چاهك اندازه‌گیری شد. خاك حاصل از حفر هر چاهك نیز برای تعیین ویژگی‌های زود‌یافت خاك در آزمایشگاه استفاده شد. نتایج نشان داد كه در بین مدل‌های رگرسیونی موجود، مدل آیمرون و همكاران با كمترین مقدار خطا برای پارامترهای RMSE و MAE (174/0 و 028/0متر در روز) بهترین برآورد هدایت هیدرولیكی اشباع را در اراضی مورد مطالعه داشت. نتایج این تحقیق بر اهمیت كاربرد تخلخل مؤثر به عنوان یك پارامتر زودیافت مهم به منظور افزایش دقت توابع انتقالی رگرسیونی تأكید دارد. در شبكه استنتاج تطبیقی عصبی- فازی از میان 561 مدل با لایه‌های ورودی مختلف‏، پارامتر‌های درصد شن، سیلت، چگالی مخصوص ظاهری و چگالی مخصوص حقیقی به عنوان ورودی انتخاب شدند. در مدل عصبی- فازی ارائه شده در این تحقیق، مقادیر R2 و RMSE در مرحله آموزش برابر با 1 و 7-10×2/1 و در مرحله آزمون برابر با 98/0 و 0006/0 به دست آمد. مقایسه نتایج توابع رگرسیونی و مدل‌های عصبی- فازی بیانگر برتری سامانه عصبی- فازی نسبت به تابع رگرسیونی است. همچنین سیستم استنتاج عصبی- فازی قادر است در بافت‌های خاك مختلف قدرت برآورد خود را با دقت بالا حفظ نماید.

Study of soil hydraulic properties such as saturated and unsaturated hydraulic conductivity is required in the environmental investigations. Despite numerous research, measuring saturated hydraulic conductivity using by direct methods are still costly, time consuming and professional. Therefore estimating saturated hydraulic conductivity using rapid and low cost methods such as pedo-transfer functions with acceptable accuracy was developed. The purpose of this research was to compare and evaluate 11 pedo-transfer functions and Adaptive Neuro-Fuzzy Inference System (ANFIS) to estimate saturated hydraulic conductivity of soil. In this direct, saturated hydraulic conductivity and physical properties in 40 points of Urmia were calculated. The soil excavated was used in the lab to determine its easily accessible parameters. The results showed that among existing models, Aimrun et al model had the best estimation for soil saturated hydraulic conductivity. For mentioned model, the Root Mean Square Error and Mean Absolute Error parameters were 0.174 and 0.028 m/day respectively. The results of the present research, emphasises the importance of effective porosity application as an important accessible parameter in accuracy of pedo-transfer functions. sand and silt percent, bulk density and soil particle density were selected to apply in 561 ANFIS models. In training phase of best ANFIS model, the R2 and RMSE were calculated 1 and 1.2×10-7 respectively. These amounts in the test phase were 0.98 and 0.0006 respectively. Comparison of regression and ANFIS models showed that the ANFIS model had better results than regression functions. Also Nuro-Fuzzy Inference System had capability to estimatae with high accuracy in various soil textures.