تعیین پارامترهای نفوذ آب در خاک با استفاده از شبکه عصبی مصنوعی و نروفازی

انتخاب مدل مناسب در مدیریت منابع آب حائر اهمیت می باشد. از این رو، در این تحقیق، ابتدا با استفاده از استوانه مضاعف در چهار کاربری جنگل، باغ، کشاورزی و اراضی ساحلی، اقدام به اندازه-گیری نفوذ شد و در مرحله بعد، مدل های نفوذ سازمان حفاظت خاک آمریکا scs، فیلیپ، کوستیاکف، گرین و آمپ و هورتون با استفاده از شاخص های ضریب تبیین، جذر میانگین مربعات خطا و میانگین خطا مورد ارزیابی قرار گرفتند. نتایج نشان داد که مدل کوستیاکوف در کاربری های جنگل اراضی ساحلی و کشاورزی با بالاتر بودن r2 (به ترتیب 987/0، 988/0 و 953/0)، و rmse کمتر(به ترتیب 588/2، 784/2 و 767/14)، بهترین برازش را با داده های تجربی داشته است ومدل هورتون در کاربری باغ با ضریب تبیین 98/0 و rmse برابر با 873/3 بهترین نتایج را داشته است.در مرحله بعد شبکه های عصبی مصنوعی و عصبی-فازی تطبیقی به منظور تخمین پارامترهای معادلات نفوذ سازمان حفاظت خاک آمریکا scs، فیلیپ، کوستیاکف، گرین و آمپ و هورتون پی ریزی شدند. نتایج به دست آمده در این تحقیق نشان داد که شبکه های عصبی مصنوعی و عصبی-فازی تطبیقی می توانند به طور موفقیت آمیزی در تخمین پارامترهای مدل کوستیاکوف به-کار برده شوند. نتایج تفاوت قابل ملاحظه ای را میان شبکه های عصبی مصنوعی و شبکه های عصبی-فازی تطبیقی در برآورد پارامترها نشان نمی دهد