بکارگیری شبکه عصبی در شبیه سازی مقدار نفوذ تجمعی سطحی و تعیین عوامل مؤثر بر آن
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,352
This Paper With 7 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:
شناسه ملی سند علمی:
WRM03_301
تاریخ نمایه سازی: 28 فروردین 1387
Abstract:
میزان نفوذ آب در خاک یکی از عوامل مهم برای طراحی، مدیریت و اجرای آبیاری در مزارع است . روش های گوناگونی جهت برآورد میزان نفوذپذیری خاک مورد استفاده قرار می گیرند که هر کدام محاسن و معایبی دارند. دلیل این امر وجود ارتباطات پیچیده بین پارامترهای گوناگون مؤثر در مقداری نفوذپذیری خاک است در این پژوهش برای مطالعه و ارزیابی نفوذپذیری آب در خاک دو منطقه چنیبه و Arc-2 توسعه نیشکر امیرکبیر مورد بررسی و نمونه برداری قرار گرفت . سپس مقادیر اندازه گیری شده با مقدار محاسبه شده توسط مدل Qnet2000 مقایسه گردید. در این مدل از مجموع ١٧٢ نمونه ، 122 نمونه برای آموزش 40 نمونه برای تست آموزش و 10 نمونه برای صحت سنجی بکارگرفته شد. در این فرایند مدل با 7 پارامتر و سپس با 5 و 4 و 3 پارامتر ورودی آزمایش شد. توابع محرک در این شبکه ها سیگموئید ، تانژانت ها پیربولیک و سکانت هایپربولیک می باشد. لازم به ذکر است که مدل در این تحقیق در حدود ٦٥٠ بار اجرا شد که درنهایت شبکه ٣ لایه با تابع محرک سکانت هایپربولیک با ٤ عنصر در لایه ورودی و ٧ عنصر در لایه پنهان و ١ عنصر در لایه خروجی نسبت به سایر نتایج، نتیجه خوبی دست آورد این الگو دارای بیشترین ضریب همبستگی برابر 0/99976 و کمترین مقدار خطا برابر 0/11912 در مرحله صحت سنجی می باشد .همچنین مدل مشخص می کند که در این الگو ابتدا زمان و بعد از آن مقدار شن و رطوبت اولیه و در آخر مقدار رس مهمترین عوامل در میزان نفوذپذیری می باشند .
Keywords:
Authors
احسان دایر
(کارشناس ارشد آبیاری و زهکشی شرکت مهندسین مشاور آب کرخه)
سعید برومند نسب
عضو هیات علمی دانشگاه شهید چمران اهواز
سید محمود کاشفی پور
عضو هیات علمی دانشگاه شهید چمران اهواز
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 :