پیش بینی نیروی کششی یک تیغه باریک خاک ورز با استفاده از مدل شبکه عصبی مصنوعی

فشردگی خاک یکی از مشکلات و مسائل جدی بسیاری از خاک های زراعی در مناطق مختلف دنیا می باشد. فشردگی خاک باعث ایجاد سخت لایه شده که این، نفوذ ریشه و رشد آن را به لایه ای از خاک که دارای مواد غذایی بالاتر و رطوبت بیشتر می باشد، محدود می کند. وجود این لایه ازخاک عملکرد محصول را پایین می آورد و گیاه در مقابل تنش های محیطی حساس می شود. خاک ورزی دقیق (خاک ورزی در عمق متغیر با توجه به نیاز یک ناحیه خاص) خصوصیات فیزیکی خاک را در نقاط مشخصی اصلاح می کند و از لحاظ کاهش هزینه ها، مصرف سوخت و احتیاجات انرژی بسیار مفید می باشد. با توجه به بحران انرژی در جهان، روش های خاک ورزی دقیق می توانند مورد استفاده قرار گیرند تا خصوصیات فیزیکی خاک را در نقاط مشخصی اصلاح کرده و مصرف سوخت و انرژی و هم چنین هزینه را کاهش می دهد. کشش یک پارامتر مهم برای اندازه گیری و ارزیابی عملکرد ادوات برای میزان انرژی لازم می باشد که پیش بینی این پارامتر در هر دو سیستم خاک ورزی دقیق و خاک ورزی در عمق یکنواخت می تواند در بسیاری از اهداف مدیریتی و همچنین پیش بینی انرژی موردنیاز و انتخاب تراکتور و غیره موثر واقع گردد. در این تحقیق آزمایشهای مزرعه ای در دو نوع خاک لومی رسی و رسی لومی و در داخل هر نوع خاک از آزمایش فاکتوریل بر پایه طرح بلوک کامل تصادفی (rcdb) و با سه تکرار انجام شدند. در داخل هر بافت خاک سطوح مختلف رطوبت (فاکتورa ) از 5 تا 16 درصد برای خاک های خشک و 17 تا 38 درصد برای خاک های مرطوب، سرعت پیشروی تراکتور (فاکتورb ) درچهار سطح 1، 5/1 و 8/1 و3 کیلومتر در ساعت ، عمق کاری (فاکتورc ) در چهار سطح 10، 20، 30 و40 سانتی متر و عرض تیغه (فاکتورd ) در چهار سطح 5/2، 3، 5/3و 4 سانتی متر انتخاب شدند و در داخل هر کرت آزمایشی صفات نیروی کششی ادوات خاک ورزی، شاخص مخروطی خاک و درصد محتوی رطوبتی خاک اندازه گیری شدند. نتایج تجزیه واریانس نشان داد که اثرات اصلی بافت خاک، رطوبت، سرعت، عرض تیغه و عمق به طور مجزا بر روی میزان نیروی کششی ابزار باریک خاک-ورزی بسیار معنی دار است (سطح احتمال 1%). به طوری که با افزایش سرعت پیشروی میزان نیروی کششی به طور معنی دار افزایش می یابد. همچنین با افزایش عمق خاکورزی از صفر تا 40 سانتی متر میزان نیروی کششی افزایش می یابد. با افزایش عرض تیغه نیز میزان نیروی کششی افزایش می یابد. البته تأثیرعمق خاکورزی نسبت به دیگر عامل های موثر روی نیروی کششی مورد نیاز بیشتر بود. نتایج همچنین نشان داد که با افزایش محتوی رطوبتی میزان نیروی کششی کاهش می یابد. ضمن این که اثرات متقابل دوتایی بافت خاک در رطوبت، بافت خاک در سرعت، رطوبت در سرعت، بافت خاک در عرض تیغه، رطوبت در عرض تیغه، سرعت در عرض تیغه، بافت خاک در عمق، رطوبت در عمق، سرعت در عمق و عرض در عمق بر نیروی کششی نیز معنی دار است (سطح احتمال 1%). در این تحقیق با توجه به توسعه، کاربرد و دقت بالای شبکه های شبکه های عصبی مصنوعی در پیش بینی و مدل کردن خصوصیات فیزیکی و دینامیکی خاک و عدم نیاز به وجود رابطه ریاضی مشخص بین پارامترهای مختلف، از شبکه های عصبی مصنوعی به منظور پیش بینی نیروی کششی یک تیغه باریک خاکورزی استفاده شد. شبکه های طراحی شده در این تحقیق که به منظور پیش بینی نیروی کششی ابزارهای باریک خاک ورزی مورد استفاده قرار گرفتند، از نوع شبکه های چند لایه پس انتشار برگشتی می-باشند. از سه روش الگوریتم گرادیان نزولی با مومنتوم، الگوریتم لونبرگ- مارکوات و الگوریتم گرادیان نزولی مقیاسی به-منظور آموزش شبکه استفاده گردید. همچنین در این تحقیق از توابع تبدیل تانژانت سیگموئیدی، هیپربولیک و تابع محرک خطی بین لایه های شبکه استفاده گردید. نتایج این تحقیق نشان داد که شبکه عصبی با 8 نرون در لایه میانی و با الگوریتم لونبرگ- مارکوات در مقایسه با سایر الگوریتم ها عملکرد بهتری دارد. میانگین دقت شبیه سازی 05/95 % و همچنین ضریب همبستگی9935/0 برای این تحقیق بدست آمد. داده های بدست آمده از این تحقیق با مدل-هایasae و مدل اشرفی زاده مقایسه شدند. نتیجه این مقایسه نشان داد که داده های پیش بینی شده توسط شبکه عصبی مصنوعی خیلی نزدیک به داده های واقعی بدست آمده از آزمایشات مزرعه ای می باشد.