ارزیابی شبکه های عصبی و منطق فازی در شبیه سازی نفوذ آب در جویچه های بازساز ی شده و غیربازسازی شده در مزارع نیشکر
نیشکر از جمله گیاهان پر مصرف از نظر آبیاری است که در استان خوزستان و به روش جویچه ای بازسازی شده و غیربازسازی شده آبیاری می شود. عمده تلفات در این روش به صورت نفوذ انجام می شود لیکن اندازه گیری نفوذ در هر مزرعه بسیار زمان بر و پرهزینه است. بنابراین ارایه روشی آسان و سریع برای تعیین و مدیریت نفوذ در این مزارع بسیار حایز اهمیت است. بنابراین، در تحقیق حاضر به ارزیابی دو روش شبکه عصبی و منطق فازی در شبیه سازی نفوذ آب در 5 کشت و صنعت نیشکر در استان خوزستان پرداخته شد. شبکه عصبی با 12 سناریو (دو تابع فعال LogSig و TanSig با 3، 5 و 7 نرون در لایه پنهان) و روش منطق فازی با 8 سناریو (دو تابع عضویت TriMF و GaussMF با 2 و 3 تابع عضویت برای هر ورودی) مورد مطالعه قرار گرفتند. نتایج نشان داد که روش شبکه عصبی با تابع فعال LogSig به همراه 5 نرون لایه پنهان، خطا (m3.m-112/0RMSE=)، دقت (037/0NRMSE=) و کارایی (99/0EF= و 99/0d=) مناسبی برای شبیه سازی نفوذ در جویچه های بازسازی شده داشت. روش شبکه عصبی با تابع فعال TanSig با 5 نرون در لایه پنهان نیز خطا (m3.m-120/0RMSE=)، دقت (11/0NRMSE=) و کارایی (99/0EF= و 99/0d=) لازم برای شبیه سازی نفوذ در جویچه های غیربازسازی شده داشت. روش منطق فازی برای شبیه سازی در جویچه های غیربازسازی شده دقت و کارایی پایینی داشت ولی تابع عضویت TriMF-2 خطا (m3.m-13/1RMSE=)، دقت (052/0NRMSE=) و کارایی (98/0 EF= و 99/0d=) قابل قبول را برای شبیه سازی نفوذ در جویچه های بازسازی شده داشت. براساس مقایسه نتایج کلیه سناریوها، روش دقت شبکه های عصبی نسبت به منطق فازی 82 درصد بهتر بود.
- 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.