محمدجواد نحوی نیا؛ عبدالمجید لیاقت؛ مسعود پارسی نژاد
چکیده
چکیده
در مدیریت آبیاری سطحی، تابع نفوذ از اهمیت زیادی برخوردار است. معادلات ریاضی که تاکنون برای نفوذ توسعه یافته اند، توابع تک متغیره ای از زمان فرصت نفوذ می باشند. در این تحقیق پیش بینی متوسط میزان نفوذ در آبیاری جویچه ای توسط مدل های شبکه عصبی و عصبی- فازی به عنوان مدل های تجربی و مدل رگرسیونی به عنوان مدل آماری با استفاده از رطوبت ...
بیشتر
چکیده
در مدیریت آبیاری سطحی، تابع نفوذ از اهمیت زیادی برخوردار است. معادلات ریاضی که تاکنون برای نفوذ توسعه یافته اند، توابع تک متغیره ای از زمان فرصت نفوذ می باشند. در این تحقیق پیش بینی متوسط میزان نفوذ در آبیاری جویچه ای توسط مدل های شبکه عصبی و عصبی- فازی به عنوان مدل های تجربی و مدل رگرسیونی به عنوان مدل آماری با استفاده از رطوبت اولیه ی خاک و دبی ورودی به جویچه مورد بررسی قرار گرفت. به همین منظور از یک سری آزمایش های صحرایی که به روش آبیاری جویچه ای در پنج مزرعه آزمایشی گلمکان مشهد، توتون ارومیه ، صفی آباد دزفول ، دانشگاه بیرجند و موسسه اصلاح بذر کرج در طی دوره ی زمانی تابستان 1376 تا تابستان 1385 انجام شده بود و دارای طیف گسترده ای از نظر بافت خاک (سبک، متوسط و سنگین) بودند، استفاده شد. برای تعیین عوامل معادله ی نفوذ کوستیاکوف لوییس از روش بیلان حجم در آبیاری جویچه ای استفاده گردید. نتایج نشان داد که دقت مدل رگرسیونی در خاک های سنگین در مقایسه با خاک های متوسط و سبک بیشتر است. مدل شبکه های عصبی در خاک های متوسط (Silty Clay Loam) دقت مناسبی دارند و در خاک های سنگین (Clay Loam) تمایل به بیش برآورد و در خاک های نسبتا سبک (Silty Loam) تمایل به کم برآورد دارند. اما سیستم استنتاج فازی عصبی قادر است قابلیت تخمین را در تمام شرایط حفظ کند که این امر نشان از دقت بیشتر و قابلت تخمین زیاد سیستم استنتاج فازی عصبی دارد.
واژه های کلیدی: نفوذ، آبیاری جویچه ای، مدل رگرسیونی، شبکه ی عصبی ، شبکه ی فازی عصبی
