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

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:
آزمایش های مزرعه ای به منظور شناخت شرایط موجود سامانه های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از جمله این که، این آزمایش ها را نمی توان برای پیش بینی استفاده کرد. کاربرد مدل های شبیه سازی این محدودیت ها را تا حدود زیادی برطرف می کند. اما قبل از کاربرد چنین مدل هایی، درستی نتایج بدست آمده از آن ها باید با نتایج آزمایش های مزرعه ای مقایسه گردد.در این پژوهش از مدل شبکه عصبی مصنوعی (ANN) و مدل DRAINMOD برای پیش بینی سطح ایستابی استفاده شد.
بدین منظور مزرعه 11-9R از مزارع نیشکر دعبل خزاعی انتخاب و پارامترهای ورودی مدل ها شامل نوسانات سطح ایستابی، حجم آب آبیاری، دبی زهکش ها، داده های 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 می باشد. به طوری که 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.
زبان:
فارسی
صفحات:
1 تا 11
لینک کوتاه:
magiran.com/p1985924 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!