مقايسه سيستم استنتاجي فازي عصبي تطبيقي و مدل شبكه عصبي مصنوعي در برآورد ضريب انتشارپذيري آلاينده در خاك

اندازهگيري ضريب انتشارپذيري خاك نياز به وقت و هزينه زيادي دارد، لذا در تحقيق حاضر با استفاده از روش هاي فازي و شبكه عصبي مصنوعي سعي در ايجاد مدل مناسب براي تخمين ضريب انتشارپذيري با ضريب همبستگي بالا شد. بدين منظور از دادههاي آزمايشگاهي شامل فاصله انتقال، قطر متوسط ذرات، وزن مخصوص ظاهري، تخلخل، هدايت هيدروليكي، سرعت متوسط آلودگي به عنوان پارامترهاي ورودي و ضريب انتشارپذيري خاك به عنوان پارامتر خروجي استفاده گرديد. دادههاي مورد نظر از يك مدل فيزيكي به طول 0551 ميلي متر، عرض 011 ميلي متر و ارتفاع 011 ميليمتر جمعآوري شد. با استفاده از معيارهاي آماري مانند متوسط قدر مطلق خطا MAE) (، متوسط مجذور مربعات خطا) RMSE ( و ضريب تبيين) R2 ( توانايي مدل در شبيه سازي و برآورد ضريب انتشارپذيري مورد ارزيابي قرار گرفت. نتايج حاصل از اجراي مدلهاي مذكور نشان ميدهد مدل شبكه عصبي با داشتن R2 بالاتر و RMSE و MAE كمتر نسبت به سيستم فازي بادقت بالاتري قادر به تخمين ضريب انتشارپذيري ميباشد