مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

آزمایش­های مزرعه ای به منظور شناخت شرایط موجود سامانه های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از­جمله این­که، این آزمایش ها را نمی توان برای پیش بینی استفاده کرد. کاربرد مدل های شبیه سازی این محدودیت ها را تا حدود زیادی برطرف می کند. اما قبل از کاربرد چنین مدل هایی، درستی نتایج بدست آمده از آن ها باید با نتایج آزمایش های مزرعه ای مقایسه گردد.  در این پژوهش از مدل شبکه عصبی مصنوعی (ANN) و مدل DRAINMOD برای پیش بینی سطح ایستابی استفاده شد. بدین منظور مزرعه ۱۱-۹R از مزارع نیشکر دعبل خزاعی انتخاب و پارامترهای ورودی مدل ها شامل نوسانات سطح ایستابی، حجم آب آبیاری، دبی زهکش ها، داده های اقلیمی منطقه، خصوصیات فیزیکی خاک و پارامترهای سیستم زهکشی از تاریخ ۲/۸/۹۲ تا ۲/۷/۹۳ برداشت گردید. نتایج نشان داد که بالاترین دقت در پیش بینی سطح ایستابی مربوط به مدل شبکه عصبی مصنوعی می باشد. به طوری که مقدار RMSE بین مقادیر اندازه گیری شده و شبیه سازی شده با مدل شبکه عصبی مصنوعی و مدل DRAINMOD به ترتیب برابر  ۰۲/۰ و ۸/۱۶ بدست آمد.

کلیدواژه ها:

پیزومتر ، خوزستان ، زهکشی ، شبیه سازی ، متلب ، مدل