امیر حق وردی؛ کوروش محمدی؛ سید اسدالله محسنی موحد؛ بیژن قهرمان؛ محمد افشار
چکیده
چکیده
شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی ...
بیشتر
چکیده
شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی شد. مدل SaltMod واسنجی گردید و برای تولید 2400 سری داده برای آموزش شبکه های عصبی مصنوعی به کار گرفته شد. تعدادی از عوامل ورودی SaltMod از جمله داده های عمق آب آبیاری، تبخیر-تعرق، عمق سطح ایستابی، بارندگی و شوری اولیه نیمرخ خاک در شبکه های عصبی استفاده شدند. همچنین کارایی الگوریتم ژنتیک در فرآیند آموزش شبکه های عصبی مورد بررسی قرار گرفت. میانگین ضریب تعیین (2R) و میزان خطای شوری برآورد شده (RMSE) انتهای سال در تمامی گروه ها با استفاده از شبکه های عصبی به ترتیب برابر 8/0 و 032/0 بود. در مجموع می توان گفت شبکه های عصبی مصنوعی به خوبی توانایی مدل سازی و پیش بینی شوری خاک منطقه ریشه را دارند و می توانند جایگزین خوبی برای SaltMod باشند. همچنین نتایج نشان داد که به طور کلی کارکرد شبکه های عصبی با به کارگیری الگوریتم ژنتیک بهبود می یابد.
واژه های کلیدی: دشت تبریز، شوری نیمرخ خاک، الگوریتم ژنتیک، شبکه های عصبی مصنوعی، SaltMod
کاوه احمدزاده قره گویز؛ سیدمجید میرلطیفی؛ کوروش محمدی
چکیده
چکیده
تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف امکان تخمین تبخیر-تعرق مرجع (ETo) روزانه با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم، به انجام رسید. بدین منظور پتانسیل سیستم ...
بیشتر
چکیده
تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف امکان تخمین تبخیر-تعرق مرجع (ETo) روزانه با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم، به انجام رسید. بدین منظور پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) و شبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق مرجع روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی سه ایستگاه سینوپتیک اصفهان، کرمان و یزد، شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی، و تبخیر-تعرق مرجع روزانه محاسبه شده با روش استاندارد فائو پنمن-مانتیث به عنوان خروجی روش های ANN و ANFIS استفاده شد. ایستگاه های مورد مطالعه بر اساس روش پهنه بندی اقلیمی دین پژوه در اقلیم بسیار خشک دسته بندی شدند. برآوردهای ETo از روش های ANN و ANFIS با مدل های تجربی ماکینک، پرستلی-تیلور، هارگریوز-سامانی، فائو بلانی-کریدل و ریچی مقایسه شد. کارایی روشهای مورد مقایسه، با استفاده از آمارههای ریشه میانگین مجذور خطا (RMSE)، خطای انحراف میانگین (MBE) و ضریب تعیین (R2)، مورد ارزیابی قرار گرفت. روش های ANN و ANFIS توانستند با موفقیت تبخیر-تعرق مرجع روزانه را برآورد کنند. مدل ANFIS85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد نسبت به تمامی روشهای تجربی مورد استفاده، از دقت بالاتری برخوردار است. روش فائو بلانی-کریدل نسبت به دیگر روشهای تجربی دارای دقت بالاتری بود.
واژه های کلیدی: ایران، بسیار خشک، تبخیر-تعرق مرجع، سیستم استنتاج تطبیقی عصبی-فازی، مدل های تجربی
ناصر گنجی خرم دل؛ کوروش محمدی؛ محمدجواد منعم
چکیده
چکیده
در امر مدیریت پایدار منابع آب تجدید پذیر در سطح یک آبخوان، تخمین بیلان آب زیرزمینی از اهمیت زیادی برخوردار می باشد. بهره برداری های بیش از حد از این منابع آبی برای مصارف کشاورزی و خانگی، بیشتر در جوامعی همانند ایران رخ میدهد که اقتصادشان به طور عمده بر مبنای تولیدات کشاورزی میباشد. استفاده از تغییرات سطح آب زیرزمینی در دو ...
بیشتر
چکیده
در امر مدیریت پایدار منابع آب تجدید پذیر در سطح یک آبخوان، تخمین بیلان آب زیرزمینی از اهمیت زیادی برخوردار می باشد. بهره برداری های بیش از حد از این منابع آبی برای مصارف کشاورزی و خانگی، بیشتر در جوامعی همانند ایران رخ میدهد که اقتصادشان به طور عمده بر مبنای تولیدات کشاورزی میباشد. استفاده از تغییرات سطح آب زیرزمینی در دو دوره خشک و مرطوب سال2 یک روش معتبر برای محاسبه بیلان آب زیرزمینی می باشد. در این روش، وجود یک شبکه پیزومتریک که سطح آب زیرزمینی را با دقت خوبی اندازه گیری نماید، لازم و ضروری بوده، لذا در این تحقیق، روشی جهت بهینه نمودن شبکه پایش به طوری که بتوان بیلان آب زیرزمینی را با دقت مناسب تخمین زد، ارایه شده است. در این روش با استفاده از زمین آمار درجه اهمیت هر چاه مشاهده ای بررسی گردیده و تأثیر آن در تعیین بیلان آب زیرزمینی به دست می آید. به این ترتیب با استفاده از تجزیه و تحلیلهای صورت گرفته، میتوان شبکه بهینه را بهدست آورد. به منظور کاربرد و آزمایش روش پیشنهادی، دشت آستانه-کوچصفهان در استان گیلان به مساحت 1173 کیلومتر مربع انتخاب گردید. تعداد 57 چاه موجود بررسی زمین آماری شده و نیم تغییر نمای از نوع کروی بهترین نتیجه را نشان داد. نتیجه حاکی از این بود که شبکه بهینه حاصل با استفاده از نقاط اندازهگیری کمتر یعنی 33 چاه، میتواند مقدار بیلان آب زیرزمینی را بدون تغییر قابل ملاحظه ای بهدست آورد.
واژههای کلیدی : بیلان آب زیرزمینی، گیلان، شبکه پایش سطح ایستابی، بهینه سازی، زمین آمار