مدل سازی آب شویی نیترات از خاک تحت کشت سیب زمینی با استفاده از شبکه استنتاج تطبیقی فازی- عصبی در ترکیب با الگوریتم ژنتیک

Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 311

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWSS-18-70_002

تاریخ نمایه سازی: 22 اردیبهشت 1400

Abstract:

کاربرد مرسوم کودهای نیتروژنه از طریق آب آبیاری، یکی از مهم ترین عوامل افزایش غلظت نیترات آب های زیرزمینی نواحی فاریاب می باشد. این مسئله، مدیریت آب و عناصر غذایی را برای کاهش آلودگی آب های زیرزمینی و افزایش بازده عناصر غذایی ضروری می نماید. برای برآورده نمودن این نیاز، کودآبیاری قطره ای یک جایگزین مناسب می باشد. طراحی و اجرای کود آبیاری قطره ای نیازمند به دانستن آب شویی نیترات از محصولات با ریشه ی سطحی نظیر سیب زمینی که نمی توانند از لایه های پایینی خاک عناصر غذایی را جذب کنند، دارد. در این پژوهش، آب شویی نیترات از مزرعه ی سیب زمینی تحت آبیاری و کوددهی قطره ای با استفاده از سیستم استنتاج تطبیقی فازی-عصبی (Adaptive Network-based Fuzzy Inference System:ANFIS) در ترکیب با الگوریتم ژنتیک مدل سازی و پیش بینی گردید. در قسمت اول این مطالعه با استفاده از HYDRUS-۲D، آب شویی نیترات از خاک شنی تحت کشت سیب زمینی درشرایط شدت جریان های مختلف قطره چکان و مقادیر مختلف کود نیتروژن مدل سازی و شبیه سازی گردید. نتایج حاصل از شبیه سازی HYDRUS-۲D برای آموزش و اعتبارسنجی ANFIS جهت پیش بینی آب شویی نیترات استفاده شد. یافتن شعاع دسته ها در ANFIS، با استفاده از الگوریتم ژنتیک انجام گرفت. ضریب همبستگی و درصد خطای مطلق میانگین نسبی بین داده های حاصل از مدل ANFIS و مشاهده ای برای داده های امتحانی به ترتیب ۹۹/۰ و۶۴/۰ بود. با توجه به معیارهای ارزیابی مشخص شد که ANFIS با دقت بالایی می تواند آب شویی نیترات را در شرایط مطالعه ی حاضر شبیه سازی نماید. هم چنین ANFIS می تواند عدم قطعیت ناشی از داده های مزرعه ای را پوشش دهد.

Keywords:

Authors

حسین شکفته

Dept. of Soil Sci., College of Agric., Isf. Univ. of Technol., Isfahan, Iran.

مجید افیونی

Dept. of Soil Sci., College of Agric., Isf. Univ. of Technol., Isfahan, Iran.

محمدعلی حاج عباسی

Dept. of Soil Sci., College of Agric., Isf. Univ. of Technol., Isfahan, Iran.

حسین ر نظام آبادی پو

College of Electrical Eng. and Computer, Shahid Bahounar Univ. of Kerman, Kerman, Iran.

فریبرز عباسی

Agric. Eng. Res. Institute, Karaj, Iran.

فرید شیخ الاسلام

College of Electrical Eng. and Computer, Isf. Univ. of Technol., Isfahan, Iran.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Ajdary, K., D. K. Singh, A. K. Singh and M. ...
  • Alavi, N., V. Nozari, S. M. Mazloumzadeh and H. Nazamabadi ...
  • Antonopoulos, V. Z., ۲۰۰۱. Simulation of water and nitrogen balances ...
  • Bar- Yosef, B., ۱۹۹۹. Advance in fertigation. Adv. Agron. ۶۵: ...
  • Bardossy, A. and L. Duckstein. ۱۹۹۵. Fuzzy rule Bassed Modelling ...
  • Bardossy, A. and M. Disse, ۱۹۹۳. Fuzzy rule- based models ...
  • Chaves, P. and T. Kojiri. ۲۰۰۷. Conceptual fuzzy neural network ...
  • Cote, C. M., K. L. Bristow, P. B. Charlesworth, F. ...
  • Dou, C., W. Woldt and I. Bogardi. ۱۹۹۹. Fuzzy rule- ...
  • Dou, C., W. Woldt, I. Bogardi and M. Dahab. ۱۹۹۷. ...
  • Dou, C., W. Woldt, M. Dahab and I. Bogardi. ۱۹۹۷. ...
  • Dultra, J. and P. Munoz. ۲۰۱۰. Simulation of nitrogen leaching ...
  • Freissinet, C., M. Elrich and M. Vauclin. ۱۹۹۸. A fuzzy ...
  • Gardenas. A. I., J. W. Hopman, B. R. Hanson and ...
  • Guldal, V. and H. Tongal. ۲۰۱۰. Comparison of Recurrent Neural ...
  • Haberlandt, U., V. Krysanova and A. Bardossy. ۲۰۰۲. Assessment of ...
  • Icaga, Y., ۲۰۰۷. Fuzzy evaluation of water quality classification. Ecol. ...
  • Kettle, H., B. Hankin, and K. Beven. ۲۰۰۲. Fuzzy rule-based ...
  • Lu, R. S. and S. L. Lo. ۲۰۰۲. Diagnosing reservoir ...
  • Mahabir, C., F. E. Hicks and A. Robinson Fayek. ۲۰۰۳. ...
  • Metternicht, G. and S. Gonzalez. ۲۰۰۵. FUERO: foundations of a ...
  • Mitra, B., H. D. Scott, J. C. Dixon and J. ...
  • Muster, H., A. Bardossy and L. Duckstein. ۱۹۹۴. Adaptive neuro-fuzzy ...
  • Nisar Ahmamed, T. R., K. Gopal Rao and J. S. ...
  • Ozelkan, E. C. and L. Duckstein. ۲۰۰۱. Fuzzy conceptual rainfall-runoff ...
  • Pongracz, R., I. Bogardi and L. Duckstein. ۱۹۹۹. Application of ...
  • Schulz, K. and B. Huwe. ۱۹۹۹. Uncertainty and sensitivity analysis ...
  • Senevirathna, D. G. M., G. Achari and F. King. ۲۰۰۶. ...
  • Sharestha, R. R., A. Bardossy and M. Rode. ۲۰۰۷. A ...
  • Simunek, J., M. Sejna and van M. Th. Genuchten. ۱۹۹۹. ...
  • Tran, L. T., M. A. Ridgley, L. Duckstein and R. ...
  • Verma, P., P. Singh, K. V. George, H. V. Singh, ...
  • Zadeh, L. A. ۱۹۶۵. Fuzzy sets. Information and Control ۸: ...
  • علی احیایی، م. و ع. ا. بهبهانی زاده. ۱۳۷۲. شرح ...
  • نظام آبادی پور، ح. ۱۳۸۹. الگوریتم وراثتی: مفاهیم پایه و ...
  • نمایش کامل مراجع