بهینه سازی مدل مفهومی گرین-آمپت توسط تکنیک های شبکه عصبی مصنوعی و مدل wms جهت برآورد میزان نفوذپذیری خاک (مطالعه موردی حوزه رودخانه کاکاشرف)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه لرستان - دانشکده کشاورزی
- نویسنده لیلا سلیمانی
- استاد راهنما حسین زینی وند علی حقی زاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
تعیین مقدار نفوذپذیری در یک حوزه آبخیز، کار چندان ساده ای نبوده و آنچه که از جنبه های نظری و عملی تفهیم می شود این است که، اگر بتوان به یک رقم یا عدد متوسطی از تخمین مقدار نفوذ دست یافت کار مهمی به انجام رسیده است. مدل های نفوذپذیری، نقش مهمی را در مدیریت منابع آب و خاک به عهده دارند، بنابراین، انواع مختلفی از این مدل ها، با درجات مختلفی از پیچیدگی، جهت رسیدن به این هدف، توسعه یافته اند. اکثر روشهای برآورد نفوذپذیری خاک، بسیار پرهزینه و وقت گیر بوده و با فرض صفر بودن شیب، به تخمین نفوذپذیری، می پردازند. یکی از مدل های مفهومی و فیزیکی برآورد نفوذپذیری خاک، مدل گرین-آمپت می باشد که در برآورد میزان نفوذپذیری، اثر عامل شیب را در نظر گرفته که این مسئله از جمله نقاط قوت این مدل، می باشد. در این تحقیق حوزه آبخیز کاکاشرف واقع در استان لرستان و جنوب شرقی شهرستان خرم آباد بین 48 درجه و 39 دقیقه و 8 ثانیه تا 48 درجه و 57 دقیقه و 52 ثانیه طول شرقی، و 33 درجه و 16 دقیقه و 21 ثانیه تا 33 درجه و 23 دقیقه عرض شمالی، به عنوان منطقه مورد مطالعه انتخاب گردید، سپس با استفاده از تلفیق مدل شبکه های عصبی مصنوعی (ann)، و مدل مبتنی بر سیستم اطلاعات جغرافیایی wms، به بهینه سازی مدل تجربی گرین-آمپت، جهت برآورد میزان نفوذپذیری در این حوضه پرداخته شد. نتایج حاصل از مقایسه ی مقادیر برآوردی حاصل از این روش، با مقادیر نفوذپذیری واقعی منطقه که توسط استوانه های مضاعف صورت گرفت نشان داد که این روش می تواند با درصد خطای کم و دقت قابل قبولی (ضریب کارایی نش-ساتکلیف 713/0، مجذور مربعات خطا 258/0، ضریب همبستگی 877/0 و خطای مدل 006/0)، نرخ نفوذپذیری را در حوزه ی آبخیز کاکاشرف ، برآورد نماید. همچنین نتایج حاصل از تعیین بهترین فاکتور شیب نشان داد که، مجذور کسینوس زاویه شیب، با بیشترین مقدار ضریب کارایی نش-ساتکلیف (0.966)، و کمترین مقدار مجذور مربعات خطا (0.130)، به عنوان بهترین فاکتور شیب در حوزه آبخیز مورد نظر معرفی گردید.
منابع مشابه
تخمین نفوذپذیری نهایی خاک‌ها با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: مزرعه پردیس ابوریحان)
نفوذپذیری یکی از مهم‌ترین پارامترهای فیزیکی خاک‌ها و از دادههای بنیادی طرح‌های آبیاری و زه‌کشی است. اگرچه برای توصیف این پدیده، تاکنون روش‌ها و روابط مختلف تئوری و یا تجربی ارایه شده، ولی هنوز هم از جنبه‌های تطابق و امکان کاربرد علوم جدیدی نظیر روش شبکه‌های عصبی مصنوعی در پیش‌بینی این پدیده، جای تحقیق و بررسی وجود دارد. در تمام روشهای موجود برای تعیین روابط نفوذ، انجام آزمایش‌های زمان‌بر و پر...
متن کاملبرآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر
در سال های اخیر استفاده از روش های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش های معمول، اندازه گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل سازی مسایل غیرخطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 200 نمونه خاک جمع آوری شده ...
متن کاملبررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)
متن کامل
کاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیهسازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیهسازی دادههای دبی جریان ماهانه در این ای...
متن کاملشبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه لرستان - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023