کاربرد بعد فراکتال اندازه ذرات خاک در برآورد هدایت هیدرولیکی اشباع

نوع مقاله : مقالات پژوهشی

نویسندگان

چکیده

یکی از جنبه های مهم بررسی خاک، دانستن روابط و همبستگی بین خصوصیات مختلف خاک و بیان کمّی آنها در قالب مدل های آماری است. هدف از این پژوهش برآورد هدایت هیدرولیکی اشباع توسط رگرسیون و شبکه استنتاج تطبیقی عصبی- فازی، با استفاده از پارامترهای زودیافت خاک می باشد. لذا آزمایشات مربوط به محاسبه هدایت هیدرولیکی اشباع و محاسبه خصوصیات فیزیکی خاک در 54 نقطه در زمین، که با فواصل 5 در 5 متر مشخص شده بودند، صورت گرفت. همچنین مقادیر چگالی ظاهری با روش کلوخه پارافینی، بعد فراکتال اندازه ذرات توسط روش الک خیس، درصد شن، رس و سیلت توسط هیدرومتری و هدایت هیدرولیکی اشباع بالای سطح ایستابی توسط روش استوانه های مضاعف اندازه گیری شد. بهترین مدل رگرسیونی برای تابع انتقالی، بر اساس حداقل سازی تابع هدفی که براساس پارامترهای آماری R2، RMSE و MAE بنا نهاده شده بود انتخاب گردید. پارامترهای درصد شن، چگالی ظاهری، چگالی حقیقی، بعد فراکتال اندازه ذرات، تخلخل و درصد سیلت به عنوان ورودی انتخاب شدند. در تابع انتقالی ارائه شده مقادیر R2، RMSE، NRMSE و MAE به ترتیب برابر 65/0، 017/0، 96/0 و 012/0 می باشند. شبکه استنتاج تطبیقی عصبی- فازی با 4 لایه در ورودی شامل چگالی ظاهری، چگالی حقیقی، تخلخل و بعد فراکتال اندازه ذرات و یک لایه خروجی دارای بهترین عملکرد بود. در مدل عصبی- فازی ارائه شده در این تحقیق مقدار R2 در آموزش و آزمون به ترتیب برابر 88/0 و 86/0 بوده و مقادیر RMSE نیز به ترتیب برابر 012/0 و 02/0 می باشد. با توجه به نتایج آنالیز حساسیت، تابع انتقالی رگرسیونی کمترین حساسیت را نسبت به تغییرات در تخلخل و بعد فراکتال اندازه ذرات دارد؛ در مقابل بیشترین حساسیت را نسبت به تغییرات در مقادیر چگالی ظاهری، درصد سیلت و درصد شن دارد. مدل استنتاج تطبیقی عصبی- فازی همانند تابع انتقالی رگرسیونی، نسبت به تغییرات در چگالی ظاهری بیشتر از سایر متغیرها حساس می-باشد، ضمن اینکه نتایج بیانگر برتری سامانه عصبی- فازی نسبت به تابع رگرسیونی است. ارزیابی مدل ها نشان داد که در خاک های رسی برآوردها دقت قابل قبولی ندارد؛ در مقابل برای تخمین هدایت هیدرولیکی اشباع در خاک هایی با بافت سبک تا متوسط (لومی شنی، لوم و سیلت لوم) مناسب می باشند.

کلیدواژه‌ها


عنوان مقاله [English]

Using Fractal Dimension of Particle Size in Estimating Saturated Hydraulic Conductivity

نویسندگان [English]

  • V. Yazdani
  • B. Ghahreman
  • K. Davari
  • M.E. Fazeli
چکیده [English]

One of the important aspects of soil is, knowing the relationships between spatial features of soil and quantity in statistical model. The goal of this research is to estimate saturated hydraulic conductivity by regression and Co-Active Neuro-Fuzzy Inference System (ANFIS) with using the parameters of Bulk density, real density, porosity, Fractal dimension of particle size, and clay percent, silt percent, sand percent. So experiment related to saturated hydraulic conductivity calculation and soil physical properties calculation of soil in 54 points which were specified 5 by 5 meters. Also, amount of bulk density based on paraffin Hunk, Fractal dimension of particle size by wet sieve method, the percentage of sand, clay and silt by Hydrometry and saturated hydraulic conductivity above water table by double rings method was measured. The best regression model for Pedo transfer function (PTF) was chosen according to minimized the goal function based on statistical parameters R2, RMSE and MAE. Parameters sand and silt percent, bulk density, real density, Fractal dimension of particle size, and porosity were chosen as input. In PTF amount of R2, RMSE, NRMSE and MAE, are 0.65, 0.017, 0.96 and 0.012 respectively. ANFIS with four layers input includes bulk density, real density, porosity and Fractal dimension of particle size and an output layer with the best performance. In this research, the amount of R2 in the presented ANFIS model in training and test is 0.88 and 0.86 respectively, and RMSE values will be 0.012 and 0.02 respectively. Noticing to sensitivity analysis result, PTF has the least sensitivity than changes in porosity and Fractal dimension of particle size, on the other hand, it has the most sensitivity than changes in the values of bulk density, silt and sand percent. ANFIS model is like PTF is more sensitivity than changes in values of bulk density. In addition, the outcome shows more effect on ANFIS than PTF. Evaluation of models show that estimation in clay soil is not acceptable, in contract contrast its model for estimate saturated hydraulic conductivity in soil texture (lom sandy, lom and silt lom) is suitable.

کلیدواژه‌ها [English]

  • Saturated Hydraulic Conductivity
  • Fractal Dimension
  • Soil Physical Characteristics
  • Co-Active Neuro-Fuzzy Inference System