ارزیابی شبکه عصبی مصنوعی در برآورد سرعت پیشروی جبهه رطوبتی در سامانه آبیاری قطره ای
محل انتشار: فصلنامه پژوهش آب در کشاورزی، دوره: 32، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 151
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WRA-32-1_007
تاریخ نمایه سازی: 31 خرداد 1401
چکیده مقاله:
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:
نویسندگان
بختیار کریمی
عضو هیئت علمی گروه علوم و مهندسی آب دانشگاه کرذستان
پروا محمدی
گروه مهندسی آب
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :