%0 Journal Article %T مقایسه مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون آماری برای پیش‌بینی هدایت هیدرولیکی اشباع خاک %J پژوهش های آبخیزداری %I مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس %Z 2981-2313 %D 2016 %\ 03/20/2016 %V 29 %N 1 %P 41-50 %! مقایسه مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون آماری برای پیش‌بینی هدایت هیدرولیکی اشباع خاک %K توابع انتقالی %K شاخص‌های ارزیابی %K متغیرهای کمکی %R 10.22092/wmej.2016.112222 %X هدایت هیدرولیکی اشباع خاک (Ks) از جمله مهمترین خصوصیات فیزیکی و هیدرولیکی مورد نیاز در مدل‌سازی‌های آب-خاک است. به‌علت وقت‌گیر و پرهزینه بودن ذاتی اندازه‌گیری Ks، برآورد آن از خصوصیات فیزیکی و شیمیایی اولیه، ارزان و سهلل‌الوصول اندازه‌گیری‌شده خاک اهمیت بسیار زیادی دارد. در دو دهه اخیر، گسترش روش‌های برآورد تحت عنوان توابع انتقالی، که از متغیرهای کمکی سهلل‌الوصول بهره می‌گیرند، نقطه عطفی در مطالعات خاک بوده است. تحقیق حاضر جهت (1) بسط و توسعه توابع انتقالی مختلف و (2) ارزیابی و مقایسه مدل‌های توابع انتقالی براساس رگرسیون آماری و شبکه عصبی مصنوعی در برآورد Ks در زیرحوزه رودخانه زاینده‌رود واقع در استان چهارمحال و بختیاری انجام شد. کل داده‌ها به دو زیر‌مجموعه، شامل داده‌های مدل‌سازی (86=n) و ارزیابی (25=n) تقسیم شدند. ریشه میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و درصد بهبود نسبی (RI) به عنوان شاخص‌های ارزیابی مورد استفاده قرار گرفتند. مدل‌های توابع انتقالی براساس شبکه عصبی مصنوعی تخمین قابل اطمینان‌تری نسبت به توابع انتقالی براساس رگرسیون آماری ارائه دادند. %U https://wmrj.areeo.ac.ir/article_112222_a8e3c1597e3a3164cb4b5ceec226cdf1.pdf