شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه سازی ذرات و مدل seawat (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

Authors

عاطفه صیادی شهرکی

دانشجوی کارشناسی ارشد دانشگاه شهید چمران اهواز عبدعلی ناصری

استاد دانشکده علوم آب دانشگاه شهید چمران اهواز امیر سلطانی محمدی

استادیار دانشکده علوم آب دانشگاه چمران اهواز علی مختاران

دانش آموخته دکتری گروه مهندسی آب دانشگاه شهید چمران اهواز

abstract

سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می باشد. بنابراین مطالعه و پایش این عامل در زمین های تحت کشت نیشکر، امری لازم و ضروری می باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه ها، مطالعه و پایش این عوامل در هر مزرعه بسیار وقت گیر و پرهزینه است. استفاده از مدل های کامپیوتری با توجه به سرعت بالا و هزینه کم، به عنوان گزینه ای مناسب جهت پایش اراضی مذکور در نظر گرفته می شود. بنابراین تحقیق حاضر با هدف دست یابی به بهترین و مناسب ترین روش ها و مدل های تخمین میزان شوری خاک با استفاده از مدل های شبکه عصبی (شبکه عصبی مصنوعی و الگوریتم تجمع ذرات) و مدل seawat، در مزرعه r9-11از مزارع نیشکر دعبل خزاعی خوزستان صورت پذیرفت. در سال های اخیر به دلیل به آسانی کاربرد و دقت بالای این مد ل ها در تقریب معادله های غیرخطی و پیچیده ریاضی، استفاده از این مدل ها افزایش پیدا کرده است. ساعی و همکاران (2009)، از مدل شبکه عصبی برای پیش بینی شوری خاک استفاده کردند و کارائی خوب این مدل را در پیش بینی شوری خاک تایید نمودند. مواد و روش ها: در این پژوهش از شبکه عصبی مصنوعی (ann)، الگوریتم تجمع ذرات) pso+ann) و مدل seawat برای پیش بینی شوری آب زیرزمینی استفاده شده است. بدین منظور مزرعه r9-11از مزارع نیشکر دعبل خزاعی خوزستان انتخاب و تعدادی پیزومتر در فواصل مختلف از جمع کننده زهاب در 7 دسته که هر دسته شامل اعماق 2.2، 3، 4 و 5 متری از سطح زمین می باشد، در لایه های مختلف از سطح خاک نصب گردید. تغییرات شوری آب زیرزمینی از آبان ماه سال 1392 تا مهر ماه سال 1393 بصورت روزانه برداشت شد. همچنین مقادیر حجم آب آبیاری، شوری آب آبیاری و شوری زهاب در این بازه زمانی اندازه گیری و به عنوان ورودی به شبکه عصبی معرفی شدند. از معضلاتی که در استفاده از شبکه عصبی وجود دارد، مسئله آموزش آن می باشد که به روش پس انتشار خطا آموزش داده می شود. در انجام این پژوهش با استفاده از آموزش به روش pso تلاش می گردد این مشکل برطرف شود. یافته ها: نتایج نشان داد که بالاترین دقت در پیش بینی شوری آب زیرزمینی مربوط به مدل شبکه عصبی با آموزش الگوریتم تجمع ذرات می باشد. به طوری که مقدارمیانگین rmse اعماق مختلف بین مقادیر اندازه گیری شده و شبیه سازی شده با مدل های شبکه عصبی مصنوعی، الگوریتم تجمع ذرات و seawat به ترتیب برابر 0.092، 0.017 و 0.745 بدست آمد. نتیجه گیری: به طور کلی مقادیر rmse و mape برای ارزیابی دقت مدل ها نشان از دقت بالای هر سه مدل (شبکه عصبی مصنوعی، الگوریتم تجمع ذرات و مدل seawat) در شبیه سازی شوری آب زیرزمینی می باشند که از علل اصلی آن می توان به اندازه گیری دقیق ورودی های مدل ها اشاره کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه‌سازی ذرات و مدل SEAWAT (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می‌باشد. بنابراین مطالعه و پایش این عامل در زمین‌های تحت کشت نیشکر، امری لازم و ضروری می‌باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه‌ها، مطالعه و پایش این عوامل در هر مزرعه بسیار وقت‌گیر و پرهزینه است. استفاده از مدل‌های کامپیوتری با توجه به سرعت بالا و هزینه کم، به‌عنوان گزینه‌ای مناسب جه...

full text

شبیه سازی بارهیدرولیکی با استفاده از الگوریتم‌ بهینه سازی تجمع ذرات و الگوریتم ژنتیک (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

آزمایش‌های مزرعه‌ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت‌های قابل توجهی نیز دارند. از جمله اینکه، این آزمایش‌ها را نمی‌توان برای پیشبینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی این محدودیت‌ها را تا حدود زیادی برطرف می‌کند. اما قبل از کاربرد چنین مدل‌هایی، درستی نتایج بدست آمده از آن‌ها باید با نتایج آزمایش‌های مزرعهای مقایسه گردد. در این پژوهش از الگوریتم بهینه‌سازی...

full text

مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

آزمایش­های مزرعه ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از­جمله این­که، این آزمایش‌ها را نمی‌توان برای پیش بینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی 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 ...

full text

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران

چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف  هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد.  در این تحقیق از  شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...

full text

برآورد نقطه ای منحنی مشخصه رطوبتی خاک با استفاده از شبکه عصبی مصنوعی و بهینه سازی آن با الگوریتم ژنتیک در کشت و صنعت های نیشکر خوزستان

ویژگی­های هیدرولیکی خاک در مدیریت اراضی تحت کشت نیشکر نقش به سزایی دارد. هدف از این تحقیق برآورد نقطه­ای منحنی مشخصه­ی رطوبتی خاکبااستفاده شبکه­ی عصبی مصنوعیوبهینه­سازیآنبا الگوریتم ژنتیک می­باشد. به این منظور براساس ویژگی­های مدیریت اراضی، درصد مواد آلی، بافت خاک، هدایت الکتریکی و درصد سدیم جذب سطحی شده، 4 واحد کاری در کشت و صنعت­های دعبل خزاعی، امیر کبیر، کارون و هفت­تپه انتخاب شد. در مجموع ت...

full text

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ann) در سواحل استان مازندران

چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف  هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد.  در این تحقیق از  شبکه عصبی مصنوعی (ann) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های حفاظت آب و خاک

جلد ۲۳، شماره ۵، صفحات ۳۰۷-۳۱۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023