مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)
Publish place: Human & Environment، Vol: 17، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 33
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SRBAU-17-1_001
تاریخ نمایه سازی: 9 دی 1402
Abstract:
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.
Authors
عاطفه صیادی شهرکی
دکترای آبیاری زهکشی، دانشگاه شهید چمران اهواز. اهواز، ایران. (مسوول مکاتبات)
عبدعلی ناصری
استاد گروه آبیاری و زهکشی، دانشگاه شهید چمران اهواز، اهواز، ایران.
امیر سلطانی محمدی
دانشیار گروه آبیاری و زهکشی، دانشگاه شهید چمران اهواز، اهواز، ایران.
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 :