برآورد عملکرد هیدرولیکی سیستم های آبیاری تحت فشار با استفاده از مدل های شبکه عصبیمصنوعی و رگرسیون ناپارامتری
- سال انتشار: 1392
- محل انتشار: فصلنامه آب و خاک، دوره: 27، شماره: 4
- کد COI اختصاصی: JR_JSW-27-4_011
- زبان مقاله: فارسی
- تعداد مشاهده: 442
نویسندگان
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات ، باشگاه پژوهشگران جوان ونخبگان، تهران، ایران
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
چکیده
در این مطالعه به منظور برآورد شاخص های عملکرد هیدرولیکی سیستم آبیاری تحت فشار، جایگزینی مدل های هیدرولیکی با استفاده از مدل های آماری و شبکه عصبی مصنوعی مورد ارزیابی قرار گرفت. ضریب یکنواختی کریستیانسن به عنوان شاخص عملکرد هیدرولیکی، در نظر گرفته شد و با استفاده از یک الگوریتم، مقادیر این شاخص به صورت تابعی از ترکیب های مختلف فشار ورودی، تعداد خروجی ها، فاصله خروجی ها، ضریب زبری لوله، قطر داخلی، شیب، دبی اسمی خروجی ها، فشار کارکرد خروجی ها و توان معادله دبی خروجی ها محاسبه گردید 4320 ترکیب مختلف، دو مدل شبکه عصبی مصنوعی شامل شبکه پرسپترون چندلایه MLP و شبکه رگرسیون تعمیم یافته GRNN و نیز روش K نزدیک ترین همسایه KNN به عنوان یک مدل رگرسیون ناپارامتری برای شبیه سازی شاخص عملکرد هیدرولیکی لاترالها مورد آزمون قرار گرفتند. نتایج نشان داد که مدل شبکه عصبی مصنوعی MLP قادر است با کمترین خطا 2-3% مقادیر ضریب یکنواختی لاترالهای آبیاری تحت فشار را با استفاده از مشخصات هیدرولیکی و فیزیکی لاترال برآورد نماید. عملکرد مدل GRNN نیز به ویژه در ارتباط با کل داده ها در سطح نسبتا مطلوبی ارزیابی گردید . اما روش KNN علیرغم شبیه سازی دقیق متوسط مقادیر CU، قادر به شبیه سازی دقیق انحراف استاندارد این مقادیر نبوده و خطای آن در مرحله آزمون بسیار بیشتر از دو مدل دیگر برآورد گردید. در روش KNN ، کمترین مقدار شاخص های خطا مربوط به رگرسیون ناپارامتری با 10 و 15 همسایه می باشد . نتایج این مطالعه نشان داد که امکان ساده سازی مدل های پیچیده هیدرولیکی با جایگزینی کل یا بخشی از این مدل ها با مدل های ساده تر آماری و شبکه عصبی وجود دارد و این مسیله با توجه به پیچیدگی مدل های هیدرولیکی، به ویژه در فرآیند بهینه سازی سیستم های آبیاری، میتواند مورد توجه قرار گیرد.کلیدواژه ها
آبیاری تحت فشار، عملکرد هیدرولیکی، شبکه عصبی مصنوعی، K نزدیک ترین همسایهمقالات مرتبط جدید
- ارزش و کارایی خاک رس در صنایع و شناسایی علم مواد
- تخمین مقادیر روزانه نسبت تبخیر - تعرق مرجع و تعیین سهم مولفه های آیرودینامیکی و توازن انرژی در مناطق خشک و لیموی ایران
- Investigation and Comparison of Changes in the Hydraulic Conductivity of Clay Minerals Modified with Polypropylene Fibers
- تاثیر ساختارهای زمین شناسی بر پویایی آب های زیرزمینی و چالش های مدیریت منابع آبی
- تاثیر روش های مدیریت زمین بر کیفیت خاک و سلامت انسان و ارائه راهکارهای پایدار
اطلاعات 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.