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: 5th National Conference on Irrigation and Drainage Networks Management and 3rd National Congress on Iran
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 596
This Paper With 9 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:
IDNC05_012
تاریخ نمایه سازی: 13 مهر 1397
Abstract:
آزمایش های مزرعه ای به منظور شناخت شرایط موجود سامانه های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از جمله اینکه، این آزمایشها را نمیتوان برای پیش بینی استفاده کرد. کاربرد مدلهای شبیه سازی این محدودیتها را تا حدود زیادی برطرف میکند. اما قبل از کاربرد چنین مدلهایی، درستی نتایج بدست آمده از آنها باید با نتایج آزمایش های مزرعه ای مقایسه گردد. در این پژوهش از مدل شبکه عصبی مصنوعی (ANN) و مدل DRAINMOD برای پیشبینی سطح ایستابی استفاده شد. بدین منظور مزرعه R9-11 از مزارع نیشکر دعبل خزاعی انتخاب و پارامترهای ورودی مدلها شامل نوسانات سطح ایستابی، حجم آب آبیاری، دبی زهکش ها، داده های اقلیمی منطقه، خصوصیات فیزیکی خاک و پارامترهای سیستم زهکشی از تاریخ 92/8/2 تا 93/7/2 برداشت گردید. نتایج RMSEنشانداد که بالاترین دقت در پیش بینی سطح ایستابی مربوط به مدل شبکه عصبی مصنوعی میباشد. به طوریکه مقدار بین مقادیر اندازه گیری شده و شبیه سازی شده با مدل شبکه عصبی مصنوعی و مدل DRAINMOD به ترتیب برابر 0/02 و 16/8 بدست آمد. همچنین این پژوهش نشان داد دقت داده های ورودی مورد نیاز برای انجام شبیه سازی به وسیله مدلها، نقش بسیار مهمی در نتایج حاصل از مدل ها دارند. بنابراین دقت در اندازه گیری پارامترهای ورودی مورد نیاز، دقت در شبیه سازی را به همراه خواهد داشت.
Authors
عاطفه صیادی شهرکی
دانشجوی دکترای آبیاری و زهکشی دانشگاه شهید چمران اهواز
عبدعلی ناصری
استاد گروه آبیاری و زهکشی دانشگاه شهید چمران اهواز
امیر سلطانی محمدی
استاد گروه آبیاری و زهکشی دانشگاه شهید چمران اهواز