تخمین میزان نفوذ آب در آبیاری جویچه ای با استفاده از مدلهای تجربی و آماری

در مدیریت آبیاری سطحی، تابع نفوذ از اهمیت زیادی برخوردار است. معادلات ریاضی که تاکنون برای نفوذ توسعه یافته اند، توابع تک متغیرهای از زمان فرصت نفوذ میباشند. در این تحقیق پیش بینی متوسط میزان نفوذ در آبیاری جویچه ای توسط مدلهای شبکه عصبی، عصبی-فازی به عنوان مدلهای تجربی و مدل رگرسیونی به عنوان مدل آماری با استفاده از رطوبت اولیه ی خاک و دبی ورودی به جویچه مورد بررسی قرار گرفت. به همین منظور از یک سری آزمایشهای صحرایی که 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 دوره ی زمانی تابستان ۱۳۷۵ تا تابستان ۱۳۹۵ انجام شده بود و دارای طیف گسترده ای از نظر بافت خاک (سبک، متوسط و سنگین) بودند استفاده شد. برای تعیین عوامل معادله ی نفوذ کوستیاکوف لوییس از روش بیلان حجم در آبیاری جویچه ای استفاده گردید. نتایج نشان داد که دقت مدل رگرسیونی در خاکهای سنگین در مقایسه با خاکهای متوسط و سبک بیشتر است. مدل شبکه های عصبی در خاکهای متوسط (Silty Clay Loam) دقت مناسبی دارند و در خاکهای سنگین (Clay Loam) تمایل به بیش برآورد و در خاکهای نسبتا سبک (Silty Loam) تمایل به کم برآورد دارند. اما سیستم استنتاج فازی عصبی قادر است قابلیت تخمین را در تمام شرایط حفظ کند که این امر نشان از دقت بیشتر و قابلت تخمین زیاد سیستم استنتاج فازی عصبی دارد.

کلیدواژه ها:

آبیاری جویچه ای ، شبکه عصبی ، شبکه ی فازی عصبی ، مدل رگرسیونی ، نفوذ