مقایسه عملکرد دو روش برنامه ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی

یکنواختی توزیع آب (CU) یک پارامتر مهم فنی در طراحی سیستم های آبیاری می باشد و مقدار آن تاثیر مهمی بر کیفیت و بازده سرمایه گذاری در پروژه های آبیاری دارد. اندازه گیری CU در آبیاری بارانی ثابت از روی نتایج یک آبپاش منفرد با توجه به در نظر گرفتن هم پوشانی آبپاش های مجاور و در مقادیر مختلف فشار کارکرد آبپاش (P)، ارتفاع پایه آبپاش (Hr)، فاصله آبپاش ها روی لوله های جانبی (Sl) و فاصله لوله های جانبی از یکدیگر (Sm) امری زمان بر می باشد. در این پژوهش، CU برای آبپاش های مدل 20AQ- و 6KA- در 4 تیمار فشارکارکرد (2، 5/2، 3 و 5/3 اتمسفر)، 16 تیمار فواصل آبپاش ها (Sl×Sm) شامل (9×18، 12×18، 15×18، 18×18، 9×15، 12×15، 15×15، 18×15، 9×12، 12×12، 15×12، 18×12، 9×9، 12×9، 15×9 و 18×9 متر)، 4 تیمار ارتفاع پایه آبپاش (60، 90، 120 و 150 سانتیمتر) و 3 تیمار آرایش آبپاش ها (مربعی، مستطیلی و مثلثی) در شرایط باد آرام (2-0 متر بر ثانیه) در ایستگاه تحقیقات پنبه هاشم آباد گرگان اندازه گیری شد. به منظور برآورد CU بر اساس روش های برنامه ریزی بیان ژن (GEP) و شبکه عصبی مصنوعی(ANN)، P, Hr , Sl ,Sm به عنوان پارامترهای ورودی درنظر گرفته شدند با مقایسه آماری نتایج محاسباتی، ریشه میانگین مربعات خطا (RMSE) برای روشهای GEP و ANNدر آبپاش 20 AQ- برابر 06/0 و 062/0 و در آبپاش 6KA- نیز به ترتیب برابر 067/0 و 064/0 به دست آمد که این امر بیانگر دقت بالا هر دو روش در مدل-سازی است. از آنجایی که مدل GEP قادر به ارائه رابطه ای صریح برای تخمین ضریب یکنواختی است، جنبه کاربردی بیشتری دارد.

Keywords:

آبیاری تحت فشار , ارزیابی سیستم آبیاری , هوش مصنوعی , یکنواختی توزیع آب