نام پژوهشگر: سمیرا واحدی

برآورد نفوذپذیری خاک های زراعی مناطق ماهنشان و طارم دراستان زنجان با استفاده از شبکه های عصبی و روش آماری k- همسایگی و پهنه بندی آن ها با روش های زمین آمار
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده علوم کشاورزی 1391
  سمیرا واحدی   امید بهمنی

تعیین میزان نفوذپذیری خاک های زراعی در فرآیند طراحی سیستم های آبیاری و زهکشی و عملکرد سازه های مرتبط با طرح های کشاورزی از اهمیت فراوانی برخوردار است. تنوع روش ها و معرفی روش های جدید تا اندازه ای کار انتخاب روش بهینه برآورد را دشوار ساخته و تعیین میزان دقت و اعتماد به آن ها نیازمند ارزیابی و مقایسه منظم و علمی است. هم چنین تجزیه و تحلیل الگوهای مکانی و تهیه نقشه های توزیع مکانی پارامتر های هیدرولیکی، راه کاری اثربخش برای مدیریت راهبردی منابع آب و خاک است. در همین راستا در پژوهش حاضر میزان نفوذپذیری خاک های زراعی حاشیه رودخانه ی قزل اوزن در مناطق طارم و ماهنشان در استان زنجان برآورد شده است. به طور کلی اهداف اساسی پژوهش عبارتند از: مقایسه و ارزیابی کارایی شبکه های عصبی مصنوعی، عصبی- فازی، عصبی- ژنتیک، k- نزدیکترین همسایگی و روش های مختلف زمین آمار در برآورد نفوذپذیری، تجزیه و تحلیل تغییرات مکانی این پارامتر به منظور تهیه ی نقشه های پهنه بندی نفوذپذیری خاک، تعریف سناریو های اطلاعاتی مختلف و تعیین میزان تاثیر نوع و تعداد پارامترهای فیزیکی و شیمیایی خاک بر کیفیت عملکرد هر یک از روش ها و نیز شناسایی میزان تاثیر تلفیق الگوریتم ژنتیک و منطق فازی بر میزان بهبود عملکرد شبکه عصبی مصنوعی به تفکیک مناطق طارم و ماهنشان. روش پژوهش از نوع پیمایش صحرایی بوده، نمونه برداری ها به طور تصادفی در 60 سطح یک متر مربعی انتخاب و 11 پارامتر فیزیکی و شیمیایی مختلف آن ها اندازه گیری گردید. داده های مربوط به نفوذپذیری با استفاده از استوانه های مضاعف اندازه گیری شد. یافته-های پژوهش نشان می دهند کلیه روش های هوشمند عصبی، k- نزدیکترین همسایگی و زمین آمار به لحاظ آماره های خطا سنجی و مقایسه تفاوت میانگین ها در آزمونt، توانایی برآورد نفوذپذیری خاک های مناطق مورد مطالعه را در حد قابل قبولی دارند. با توجه به آماره های خطاسنجی و ضریب همبستگی، در منطقه طارم شبکه عصبی- ژنتیک بهترین روش برآورد و در منطقه ماهنشان شبکه عصبی مصنوعی بهترین عملکرد را نسبت به-سایر روش ها داشته است. افزایش داده ها در قالب مجموع داده های دو منطقه طارم و ماهنشان به طور میانگین موجب کاهش آماره های خطا سنجی rmse و mae در هر سه مدل هوشمند عصبی گردید. نتایج حاصل از برآورد نفوذپذیری از طریق روش k- نزدیکترین همسایگی حاکی از عملکرد مطلوب این روش بود. بررسی ساختار مکانی پارامتر نفوذپذیری نشان داد، مدل های نیم تغییرنمای منطقه طارم در مقایسه با منطقه ماهنشان از پیوستگی مکانی بالاتری برخوردارند. بهترین روش زمین آمار در منطقه طارم روش کریجینگ معمولی و در منطقه ماهنشان روش کوکریجینگ ساده بود.