ارزیابی شبکه عصبی مصنوعی در برآورد سرعت پیشروی جبهه رطوبتی در سامانه آبیاری قطره ای

یکی از پارامترهای مهم در طراحی، مدیریت و اجرای سامانه­های آبیاری قطره­ای سطحی و زیرسطحی تخمین سرعت پیشروی جبهه رطوبتی در خاک است. از جمله پارامترهای تاثیرگذار در این پارامتر نوع خاک (بافت و ساختمان )، دبی قطره­چکان و رطوبت اولیه خاک است. در این رابطه آزمایش ها در یک مدل پلکسی گلاس شفاف با ابعاد m ۵/۰× m۲۲/۱ ×m ۳ و بر روی سه نوع بافت (متوسط، سنگین و سبک) به انجام رسید. قطره­چکان ها در چهار عمق صفر (سطحی)، ۱۵ (H۱)، ۳۰ (H۲) و ۴۵ (H۳) سانتی­متر مورد ارزیابی قرار گرفت. در این پژوهش، تیمارهای دبی­ قطره­چکان ها با مقادیر ۴/۲ (Q۱)، ۴ (Q۲) و ۶ (Q۳) لیتر در ساعت اعمال شد. با در نظر گرفتن متغیرهای دبی قطره­چکان، عمق نصب قطره­چکان، زمان، هدایت هیدرولیکی اشباع، چگالی ظاهری خاک، رطوبت اولیه خاک و همچنین نسبت درصد شن، سیلت و رس روابطی برای تخمین سرعت پیشروی جبهه رطوبتی با استفاده از شبکه عصبی مصنوعی ارائه شد. نتایج مقایسه بین مقادیر شبیه­سازی و اندازه­گیری شده نشان دادند که مدل شبکه عصبی با دقت بالایی سرعت پیشروی جبهه رطوبتی در خاک را در جهات مختلف برآورد می­کند. مقادیر شاخص­های میانگین ریشه دوم خطا (RMSE) و میانگین خطای مطلق (MAE) به­ترتیب برای سرعت افقی از ۰۹/۰ تا ۳۵/۰ و ۰۶/۰ تا ۲۷/۰ سانتی­متر بر دقیقه، برای سرعت عمودی به پایین از ۰۲/۰ تا ۱۷/۰ و ۰۲/۰ تا ۰۷/۰ سانتی­متر بر دقیقه و برای سرعت عمودی به بالا از ۰۸/۰ تا ۲۵/۰و ۰۵/۰ تا ۱۲/۰ سانتی­متر بر دقیقه نوسان می­کند. استفاده از این مدل­ها در طراحی و اجرا می­تواند باعث بهبود عملکرد این سامانه در آبیاری قطره­ای سطحی و زیرسطحی شود.

کلیدواژه ها:

مدیریت آبیاری ، شبیه سازی ، آبیاری قطره ای زیر سطحی