کاربرد شبکه های عصبی مصنوعی و تکنیک تحلیل مولفه های اصلی(PCA) در تخمین زمان پیشروی در آبیاری جویچه ای
- سال انتشار: 1398
- محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 13، شماره: 1
- کد COI اختصاصی: JR_IDJ-13-1_005
- زبان مقاله: فارسی
- تعداد مشاهده: 479
نویسندگان
گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک، اراک، ایران
گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک
گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه شهرکرد
استاد گروه مهندسی آبیاری و آبادانی دانشگاه تهران
دانشیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران، ایران.
چکیده
در این مطالعه، از شبکه های عصبی مصنوعی به منظور تخمین زمان پیشروی آب با استفاده از داده های اندازه گیری شده دبی ورودی، ضریب زبری مانینگ، شیب، طول فارو، شماره منحنی نفوذ، وزن مخصوص ظاهری و رطوبت اولیه استفاده شده است. برای این منظور از یک سری آزمایش های صحرایی انجام شده به روش آبیاری جویچه ای در پنج مزرعه آزمایشی گلمکان مشهد، توتون ارومیه، مرکز تحقیقات کشاورزی صفی آباد دزفول، دانشگاه بیرجند و موسسه اصلاح بذر کرج در طی دورهی زمانی تابستان ۱۳۷۶ تا تابستان ۱۳۸۵ که دارای طیف گسترده ای از نظر بافت خاک (سبک، متوسط و سنگین) می باشند، استفاده شد. از مجموع ۲۴۰ داده ی موجود، ۶۰ درصد اولیه (۱۴۴ داده) جهت آموزش شبکه، ۲۰ درصد جهت صحت سنجی (۴۸ داده) و ۲۰ درصد باقیمانده (۴۸ داده) برای آزمون شبکه ها انتخاب شدند. متغیرهای ورودی با استفاده از آنالیز حساسیت شبکه به متغیرهای ورودی و همچنین روش تحلیل مولفه های اصلی (PCA) تعیین شدند. نتایج نشان داد که شبکه های عصبی توانایی خوبی در پیش بینی زمان پیشروی داشته و با دقت بالایی زمان پیشروی را تخمین می زنند. بهترین نتایج (R۲=۰.۹۹۵) مربوط به مدلی است که برای پیش بینی زمان پیشروی در جویچه، از مولفه های اصلی (PCA) در متغیرهای ورودی استفاده می کند. نتایج همچنین نشان می دهند مدلی که از پارامتر رطوبت اولیه برای تعیین زمان پیشروی استفاده می کند (R۲=۰.۸۴۸)، در مقایسه با مدل هایی که از پارامترهای ضریب زبری مانینگ (R۲=۰.۴۹۲) و شماره منحنی نفوذ (R۲=۰.۴۱۷) استفاده می کنند، از عملکرد بالاتری برخوردار است.کلیدواژه ها
آبیاری جویچه ای, زمان پیشروی, تحلیل مولفه های اصلی, شبکه های عصبی مصنوعیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.