برآورد فاصله لوله های زهکش در حالت ماندگار و غیرماندگار با استفاده از شبکه عصبی مصنوعی
- سال انتشار: 1385
- محل انتشار: دومین کنفرانس مدیریت منابع آب
- کد COI اختصاصی: WRM02_240
- زبان مقاله: فارسی
- تعداد مشاهده: 1678
نویسندگان
عضو هیئت علمی دانشگاه تربیت مدرس تهران
دانشجوی دوره کارشناسی ارشد آبیاری و زهکشی دانشگاه تربیت مدرس تهران
دانشجوی دوره کارشناسی ارشد آبیاری و زهکشی دانشگاه تربیت مدرس تهران
دانشجوی دوره کارشناسی ارشد سازه های آبی دانشگاه تربیت مدرس تهران
چکیده
امروزه استفاده از شبکههای عصبی مصنوعی (ANNs )بعنوان ابزاری قدرتمند و راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است . در حدود 92 درصد از منابع آب مصرفی کشور در بخش کشاورزی استفاده می شود، لذا استفاده صحیح و بهینه در این بخش می تواند کمک مهمی به صرفه جوئی در آب بنماید . یکی از مسائلی که کمک فراوانی به استفاده صحیح و جلوگیری از هدررفت آب به خصوص در ایران می نماید، زهکشی صحیح اراضی کشاورزی می باشد . زهکشی اضافی باعث هدررفت آب گرانبها گشته و زهکشی کم باعث می شود که بهره - وری آب کاهش یافته و محصول مورد نظر تولید نگردد . به همین منظور در این تحقیق یک رهیافت جدید با استفاده از شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه برای مدل کردن فاصلهی زهکشها در حالتهای ماندگار و غیرماندگار، با استفاده از فرمولهای هوخهات و گلوردام که از فرمولهای رایج و متداول برای محاسبه فاصلهی زهکشها است، ارائه شده است . مدلهای مورد نظر با مجموعهای از دادههای تئوری و آزمایشگاهی مربوط به پارامترهای مورد نیاز در فرمولهای هوخهات و گلوردام مورد آموزش و ارزیابی قرار گرفته است . غیرخطی بودن روابط بکار رفته در این روشها باعث می شود که امکان حل مستقیم آنها وجود نداشته و نیاز به آزمون و خطا و استفاده از گرافهای متعدد بوجود بیاید . در توسعه مدل شبکه عصبی مصنوعی، چندین ساختار پرسپترون چند لایه با تعداد لایههای پنهان و نرونهای مختلف مورد ارزیابی قرار گرفت و در هر مورد ساختاری که 2 بالاترین مقدار R و کمترین مقدار متوسط جذر مربع خطا (RMSE) را تولید مینمود بعنوان مدل بهینه گزینش گردید . بهترین مدل برای محاسبه فاصله زهکشها در حالت ماندگار و غیرماندگار بهترتیب ساختاره1-12-9 و 1-7-7 و و با R 2 ، 0.993 , 0.9882 در مرحله تست بدست آمد .کلیدواژه ها
فاصله زهکشها، فرمولهای هوخهات و گلوردام، شبکه 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.