حسین بیات

مطالعه فرآیند های مقاومت خاک و ارزیابی عوامل کنترل آن از نیاز های مدیریت صحیح منابع آب و خاک است. اندازه گیری مستقیم ویژگی های مقاومتی خاک وقت گیر، هزینه بر و دشوار بوده و دارای تغییرات مکانی و زمانی زیادی می باشد. لذا از روش های غیرمستقیم و مدل های فیزیکی برای تخمین مقاومت خاک استفاده می شود. این پژوهش به منظور بررسی رابطه بین مقاومت خاک با خصوصیات سهل الوصول خاک انجام گرفت. به این منظور، برای آزمایش مقاومت فروروی و تراکم محصور تعداد 148 نمونه دست-نخورده و دست خورده از استان های آذربایجان غربی، فارس، کردستان و همدان برداشت شد. گنجایش تبادل کاتیونی، هدایت الکتریکی، ماده آلی،کربنات کلسیم معادل، pH، جرم مخصوص ظاهری، منحنی مقاومت فروروی، منحنی تراکم محصور، منحنی نگه داشت آب خاک، هدایت هیدرولیکی اشباع، میانگین وزنی قطر ذرات و توزیع اندازه ذرات اندازه گیری شد. مدل های مقاومت فروروی و تراکم محصور بر داده های مربوطه برازش شده و پارامتر های این مدل ها محاسبه شدند. منحنی های مقاومت فروروی و تراکم محصور و مقاومت فروروی در مکش های 30 و 1500 کیلو پاسکال و نسبت پوکی در دو تنش 20 و 300 کیلو پاسکال با استفاده از سایر خصوصیات با روش های رگرسیون چندمتغیره و شبکه های عصبی مصنوعی در 7 مرحله تخمین زده شدند. در بخش آزمون روش شبکه های عصبی مصنوعی، تمام مدل های ایجاد شده سبب بهبود تخمین منحنی مقاومت فروروی شدند. از میان توابع ایجاد شده بهترین تابع انتقالی برای تخمین منحنی مقاومت فروروی مدل 7 با متغیر های ورودی S، Si، Cl، Si/S، OM،EC ،pH ،CEC،CaCO3 ،Ks ، MWD و PWP انتخاب شد. در تخمین منحنی تراکم محصور روش رگرسیون خطی چندمتغیره بهترین عملکرد و در بین توابع ایجاد شده، تنها مدل سوم که از متغیر های ورودی EC و pH علاوه بر متغیر های مرحله اول (S، Si، Cl و Si/S) استفاده شده بود، سبب بهبود تخمین شد. در تخمین ضرایب منحنی تراکم و نسبت پوکی در دو تنش 20 و 300 کیلو پاسکال روش شبکه های عصبی مصنوعی با دقت بیشتری نسبت به روش رگرسیون خطی چندمتغیره موجب کاهش در مقدار آماره آکایک و دقت تخمین شدند. در تخمین مقاومت فروروی در مکش های 30 و 1500 کیلو پاسکال هر دو روش تقریباً سهم مشابهی داشتند. مقایسه دقت برازش برای مدل های منحنی مقاومت فروروی و منحنی تراکم محصور نشان داد که توابع ایجاد شده در تخمین این پارامتر ه