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

Authors

  • عاطفه صیادی شهرکی دکترای آبیاری زهکشی، دانشگاه شهید چمران اهواز. اهواز، ایران. *(مسوول مکاتبات)
  • عبدعلی ناصری استاد گروه آبیاری و زهکشی، دانشگاه شهید چمران اهواز، اهواز، ایران.
Abstract:

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 مصنوعی (ANN) و مدل DRAINMOD برای پیش‌بینی سطح ایستابی استفاده شد. بدین منظور مزرعه 11-9R از مزارع نیشکر دعبل خزاعی انتخاب و پارامترهای ورودی مدل‌ها شامل نوسانات سطح ایستابی، حجم آب آبیاری، دبی زهکش‌ها، داده‌های اقلیمی منطقه، خصوصیات فیزیکی خاک و پارامترهای سیستم زهکشی از تاریخ 2/8/92 تا 2/7/93 برداشت گردید. نتایج نشان داد که بالاترین دقت در پیش بینی سطح ایستابی مربوط به مدل شبکه عصبی مصنوعی می‌باشد. به طوری‌که مقدار RMSE بین مقادیر اندازه گیری شده و شبیه سازی شده با مدل‌ شبکه عصبی مصنوعی و مدل DRAINMOD به ترتیب برابر  02/0 و 8/16 بدست آمد.

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 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)

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 جه...

full text

مدلسازی هزینه ماشین های برداشت نیشکر در شرکت کشت و صنعت دعبل خزاعی با استفاده از شبکه ی عصبی مصنوعی

مدیریت ماشین ها و تجهیزات سنگین وظیفه ی بسیار دشواری می باشد. یک مدیر اغلب باید تصمیم گیری های پیچیده ی اقتصادی در ارتباط با هزینه های ماشین های کشاورزی اتخاذ کند. این تصمیم گیری ها عبارتند از: مالکیت ماشین، نگهداری، تعمیرات، بازسازی، جایگزینی و منسوخ شدن ماشین ها. مدیر همچنین باید قادر به پیش بینی نرخ اجاره ی داخلی ماشین های تحت نظارت خود باشد. هزینه های نگهداری و تعمیرات می تواند اثرات قابل م...

15 صفحه اول

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

مدل سازی تأثیر نوسانات سطح ایستابی بر میزان محصول نیشکر با استفاده از شبکه عصبی مصنوعی و منطق فازی (مطالعه موردی کشت و صنعت میرزا کوچک خان)

پارامترها و عوامل مختلفی بر عملکرد مزارع نیشکر تأثیر گذارند. با بررسی این پارامترها و تعیین میزان اثر هریک از آنها در عملکرد نیشکر، می توان راهکارهایی ارائه داد که با بهره گیری از امکانات و شرایط موجود حداکثر عملکرد را در مزارع نیشکر بدست آورد. در این تحقیق نتایج بررسی های صحرایی نشان داد سطح ایستابی در ماه های تیر، مرداد، شهریور و مهر به علت آبیاری مزارع در عمق کمتری نسبت به سطح زمین قرار می...

15 صفحه اول

مقایسه کارایی روش‌های شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن برای پیش بینی سطح ایستابی در مناطق خشک و نیمه خشک ( مطالعه موردی: دشت جیرفت)

مدل‌سازی و پیش‌بینی سطح ایستابی چاه‌ها یکی از کار‌های اساسی برایرسیدن به مدیریت بهینه منابع آب می‌باشد. یکی از راه‌های پیش‌بینی سطح آب زیرزمینی استفاده از تکنیک‌های هوش مصنوعی نظیر شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن می‌باشد. هدف از این پژوهش بررسی کارایی روش شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن در پیش‌بینی سطح ایستابی آب زیرزمینی آبخوان دشت جیرفت می‌باشد. به این منظور از داده‌های سطح ایست...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 1

pages  1- 11

publication date 2019-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023