تخمین نفوذپذیری خاک های غیراشباع با استفاده از شبکه عصبی مصنوعی و anfis

روش های مختلفی از جمله روش های مستقیم و غیرمستقیم برای اندازه گیری نفوذپذیری خاک های غیراشباع وجود دارد. اندازه گیری نفوذپذیری غیراشباع در آزمایشگاه کاری بسیار زمان بر است و نیاز به تجهیزات ویژه ای دارد. از سال ها پیش محققان به دنبال روشی جایگزین برای اندازه گیری نفوذپذیری خاک های غیراشباع بودند. فردلند، اگزینگ، ونگنشتان، هانگ و غیره از جمله کسانی هستند که بیشترین تحقیقات را در این زمینه انجام داده اند. استفاده از منحنی مشخصه آب - خاک تاکنون مرسوم ترین روش برای اندازه گیری غیرمستقیم نفوذپذیری خاک های غیراشباع به شمار می آید. از مشهورترین این مدل ها، مدل فردلند-اگزینگ و مدل ون گنشتاین می باشد. به کمک این مدلها و با داشتن منحنی مشخصه آب – خاک، می توان توابع نفوذپذیری خاک های غیراشباع را تخمین زد. این مدل ها نیاز به داده های منحنی مشخصه آب – خاک که از طریق اندازه گیری رطوبت خاک در مکش های مختلف به دست می آید، دارند. در این تحقیق سعی شده است با استفاده از اطلاعات موجود از خاک های مختلف مدلی برای تخمین نفوذپذیری خاک ها بر اساس پارامترهایی از خاک که به راحتی قابل اندازه گیری هستند ارائه شود. برای این کار از توانایی های شبکه های عصبی مصنوعی و سیستم های فازی – عصبی انطباقی (anfis) کمک گرفته شده است. ورودی هر دو مدل بر اساس پارامترهای تاثیر گذار در نفوذپذیری خاک های غیراشباع انتخاب شدند و عبارتند از : مکش ، درجه اشباع اولیه ، نسبت تخلخل ، وزن مخصوص خاک، درصد رس، درصد لای، درصد ماسه و ضریب یکنواختی منحنی دانه بندی. نتایج حاصل از مدل سازی نشان دهنده دقت مناسب هر دو مدل شبکه عصبی و anfis بود. عملکرد این مدل ها با دو مدل رایج و پرکاربد در تخمین نفوذپذیری خاک های غیر اشباع (مدل های فردلند – اگزینگ و ون گنشتاین) مقایسه شد و در نهایت آنالیز حساسیت برای تعیین تاثیر متغیرهای ورودی بر مقادیر خروجی مدل ها انجام شد.