سکینه رضوی قلعه جوق؛ علی رسول‌زاده؛ محمدرضا نیشابوری
چکیده
دانستن ویژگیهای هیدرولیکی خاک نظیر منحنی رطوبتی خاک پیش شرط لازم در مدل کردن حرکت آب و انتقال املاح در خاک است. روشهای مستقیم به منظور برآورد این ویژگیهای هیدرولیکی پرهزینه و زمانبر است. لذا، در این رابطه روشهای غیرمستقیم نظیر توابع انتقالی مورد استفاده قرار میگیرد. به منظور برآورد منحنی رطوبتی خاک، توابع ...
بیشتر
دانستن ویژگیهای هیدرولیکی خاک نظیر منحنی رطوبتی خاک پیش شرط لازم در مدل کردن حرکت آب و انتقال املاح در خاک است. روشهای مستقیم به منظور برآورد این ویژگیهای هیدرولیکی پرهزینه و زمانبر است. لذا، در این رابطه روشهای غیرمستقیم نظیر توابع انتقالی مورد استفاده قرار میگیرد. به منظور برآورد منحنی رطوبتی خاک، توابع انتقالی رزتا ، سویل پار-2 و توابع انتقالی رگرسیونی مختلف مورد مقایسه و ارزیابی قرار گرفت. منحنی رطوبتی خاک با استفاده از ستون آب آویزان برای مکشهای کمتر از یک متر آب و صفحه فشاری برای مکشهای بیش از یک متر آب تا 15 بار اندازهگیری شد. برای ارزیابی توابع انتقالی یادشده از معیارهای آماری ریشه مربعات خطا (RMSE)، میانگین خطای مطلق (MAE)، ضریب کارآیی اصلاح شده (E') و شاخص مطابقت اصلاح شده (d') استفاده شد. نتایج نشان داد نرمافزار رزتا با میانگین مقادیر معیارهای آماری RMSE، MAE، E'وd' به ترتیب برابر با 0310/0، 0247/0، 7956/0 و 9037/0 در شبیه سازی منحنی رطوبتی خاک برای منطقه مورد پژوهش از دقت بالایی نسبت به بقیه توابع انتقالی برخوردار است. نتایج پژوهش حاضر ارجحیت شبکههای عصبی مصنوعی را برای برآورد منحنی رطوبتی خاک نسبت به توابع انتقالی رگرسیونی با تعداد پارامترهای ورودی بیشتر را نشان داد. نتایج همچنین نشان داد تابع انتقالی کمپل تعدیل شده در این پژوهش بعد از رزتا با مقادیر RMSE، MAE، E'وd' به ترتیب برابر با 0685/0، 0530/0، 5561/0 و 8075/0 برآورد مناسبتری از منحنی رطوبتی برای خاکهای منطقهی مورد پژوهش ارایه میدهد.