مدل سازی نفوذپذیری در سطوح مختلف گل آلودگی آب با استفاده از الگوریتم‌های یادگیری ماشین | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 22 مهر 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2026.416566.1877 | ||
| نویسندگان | ||
| علیرضا سپه وند* ؛ نسرین بیرانوند | ||
| گروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران | ||
| چکیده | ||
| این تحقیق با هدف بررسی و مدل‌سازی نفوذ آب به خاک در سطوح مختلف گل‌آلودگی با غلظت‌های متفاوت و تعیین ویژگی‌های مختلف نفوذ و همچنین بررسی عملکرد برخی مدل‌های یادگیری ماشین انجام شده است. در این تحقیق از 3 کلاس بافت رسی، سیلتی و شنی در غلظت‌های 2 و 5 گرم در لیتر جهت ایجاد گل‌آلودگی و مشابه با جریان‌های سیلابی در 4 تکرار صورت گرفت. همچنین برای تعیین بهترین مدل تخمین‌گر نفوذ، اندازه‌گیری نفوذ آب فاقد رسوب با تکرار مشابه نیز لحاظ گردید. همچنین در این تحقیق خصوصیات فیزیکی خاک منطقه شامل بافت خاک، تخلخل، پتانسیل ماتریک، وزن مخصوص ظاهری خاک و رطوبت جرمی و حجمی خاک تعیین شدند. در ادامه با استفاده از داده‌های اندازه‌گیری شده، مقادیر نفوذ تجمعی، حداکثر سرعت نفوذ، متوسط سرعت نفوذ، سرعت نفوذ نهایی، زمان تا لحظه تثبیت نفوذ و شیب کاهش نفوذ محاسبه شد و سپس برای مدل‌سازی نفوذپذیری با استفاده از الگوریتم‌های یادگیری و تعیین بهترین مدل، از مدل MLP و مدل‌های SVM و GP با کرنل‌های PUK و RBF استفاده شده است. ارزیابی مدل‌ها با استفاده از معیارهای ارزیابی شامل ریشه میانگین مربعات خطا، ضریب تبیین و ضریب همبستگی استفاده شده است. نتایج مقایسه سرعت نفوذ در بافت‌های متفاوت خاک با غلظت‌های مختلف نشان داد سرعت نفوذ بیش‌تر تحت تاثیر جامدات معلق در اندازه شن در مقایسه با جامدات معلق در اندازه رس و سیلت قرار گرفته است. نتایج حاصل از مدل‌سازی در تیمارهای مختلف مورد مطالعه نشان دهنده کارایی نسبتا خوب همه مدل‌ها بوده است و مشخص شد مدل‌های SVM و GP با کرنل PUK قوی‌تر از کرنل RBF عمل کرده‌اند. مطابق این نتایج در تیمارهای شاهد، 2 گرم رس و 2 گرم سیلت مدل SVM-PUK و در تیمارهای 5 گرم رس و 2 گرم شن مدل GP-PUK از کارایی بالاتری نسبت به سایر مدل‌ها برخوردار بوده‌اند. | ||
| کلیدواژه‌ها | ||
| استان مازندران؛ استوانه مضاعف؛ هوش مصنوعی؛ نفوذ؛ بافت خاک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 41 |
||