پیش بینی شوری زهاب و خاک در اراضی دیم شبکه زهکشی زیرزمینی ران بهشهر با استفاده از مدل سازی سری زمانی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 248

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IDJ-15-2_004

تاریخ نمایه سازی: 18 خرداد 1400

چکیده مقاله:

تصادفی بودن زهکشی اراضی دیم (بهدلیل وابستگی آن به بارندگی) سبب شده تا بتوان از مفاهیم متغیرهای تصادفی و سریهای زمانی در مدلسازی و پیشبینی عملکرد آنها استفاده شود. هدف از این مطالعه بررسی قابلیت مدلهای سری زمانی در پیشبینی شوری زهاب و خاک در اراضی دیم شبکه زهکشی زیرزمینی ران بهشهر بود. در ابتدا، مدل Drainmod-S با استفاده از دادههای اندازهگیری شده واسنجی شد. سپس شوری خاک و زهاب توسط مدل واسنجی شده شبیهسازی شد. خروجیهای شبیهسازی شده مدل برای ارزیابی و مقایسه نتایج مدلهای مختلف سری زمانی از جمله AR، ARX، ARMA و ARMAX مورد استفاده قرار گرفت. نتایج نشان داد که مدل ARMAX با متغیرهای برونزای ارزش روزانه، بارش روزهای قبل و متوسط متغیر مورد نظر در دو روز قبل در برآورد شوری خاک و شوری زهاب کارآمدتر است بهطوریکه درصد میانگین مطلق خطای مدلسازی برای شوری لایه سطحی خاک (۵۰-۰ سانتیمتر) ۴ درصد، برای شوری لایه زیرین خاک (۱۰۰-۵۰ سانتیمتر) ۰/۴ درصد و برای شوری زهاب ۵ درصد بود. مقایسه نتایج پیشبینی مدلهای برگزیده سری زمانی با نتایج شبیهسازی مدل واسنجی شده Drainmod-S نشان داد کاربرد مدلهای سری زمانی در پیشبینی عملکرد سامانه زهکشی مطلوب و ضریب تعیین برای شوری لایه سطحی و زیرین خاک و شوری زهاب به ترتیب ۰/۷۵، ۰/۶۳ و ۰/۵۷ و ریشه میانگین مربعات خطا نیز برای این متغیرها به ترتیب ۲۴۱۲/۶، ۳۳۱/۸ و ۱۷۲۴/۶ میلی گرم بر لیتر بود. با توجه به شاخص های ارزیابی، مدل های سری زمانی در پیش بینی شوری خاک و شوری زهاب کارآمد بود.

نویسندگان

شفیعه وزیرپور

فارغ التحصیل کارشناسی ارشد گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

فرهاد میرزایی شیرکوهی اصل

دانشیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

حامد ابراهیمیان

دانشیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

امید رجا

دانشجوی دکتری گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ابراهیمیان، ح. ۱۳۸۶. ارزیابی عملکرد سیستم زهکشی زیرزمینی با پوشش ...
  • ابراهیمیان، ح. نظری، ب. و لیاقت، ع. ۱۳۸۹. واسنجی و ...
  • آذری، آ.، زینعلی، م. و حیدری، م.م. ۱۳۹۷. پیشبینی نوسانات هیدروگراف واحد ...
  • پورغلام آمیجی، م.، لیاقت، ع. م.، نازی قمشلو، آ. و ...
  • حقی زاده، ع.، یوسفی، ح.، یاراحمدی، ی.، نورمحمدی، پ. و ...
  • حلمی، م.، بختیاری، ب. و قادری، ک. ۱۳۹۹. مدل سازی و پیش ...
  • دودانگه، ا. عابدی کوپائی، ج. گوهری، س.ع. ۱۳۹۱. کاربرد مدلهای ...
  • مختاران، ر.، ناصری، ع.، کشکولی، ح. و برومندنسب، س. ۱۳۹۲. ...
  • نوری، ح. زارع ابیانه، ح. لیاقت، ع. و نوری، ح. ...
  • وزیرپور آرانی، ش.، ابراهیمیان، ح.، رفیعی، ح. و میرزایی اصل ...
  • Aljoumani, B., Sànchez-Espigares, J., Canameras, N., Josa, R. and Monserrat, ...
  • Askar, M. H., Youssef, M. A., Chescheir, G. M., Negm, ...
  • Bierens, H. ۱۹۸۷. ARMAX model specification testing, with an application ...
  • Borin, M. Morari, F. Bonaiti, G. Paasch, M. and Skaggs, ...
  • Box, G. E., Jenkins, G. M. and Reinsel, G. C. ...
  • Brevé, M. A., Skaggs, R.W., Gilliam, J.W., Parsons, J.E., Mohammad, ...
  • Chelcy, R., Carol, E., Robert, J., Rodney, E. and Robert, ...
  • Davoodi, K., Darzi‐Naftchali, A. and Aghajani‐Mazandarani, G. ۲۰۱۹. Evaluating Drainmod‐s ...
  • Dickey, D.A. and Fuller, W. A. ۱۹۷۹. Distribution of the ...
  • Du, X., Feng, H., Helmers, M. J. and Qi, Z. ...
  • Feng, G., Zhang, Z., Lu, P. and Bakour, A. ۲۰۱۸. ...
  • Gemitzi, A.and Stefanopoulos, K. ۲۰۱۱. Evaluation of the effects of ...
  • Gujarati, D. N. ۱۹۹۹. Basic econometrics. New York Graw Hill ...
  • Hashemi Garmdareh, S. E., Malekian, R., Madani, A. and Gordon, ...
  • Haykin, S. ۱۹۹۴. Neural Networks: A comprehensive foundation. Macmillan. New ...
  • Kandil, M.H. ۱۹۹۲. Drainmod-S: A water management model for irrigated ...
  • Knotters, M. and Bierkens, M.F.P. ۲۰۰۱. Predicting water table depths ...
  • Liang, H., Qi, Z., Hu, K., Li, B. and Prasher, ...
  • Luo, W. Sands, G.R. Youssef, M. Strock, J.S. Song, I. ...
  • Nourani, V., Hosseini-Baghanam, A., Adamowski, J. and Gebremichael, M. ۲۰۱۳. ...
  • Parviz, L. ۲۰۲۰. Comparative evaluation of hybrid SARIMA and machine learning techniques ...
  • Sadorsky, P. ۲۰۰۶. Modeling and forecasting petroleum futures volatility, Journal ...
  • Singh, R. Helmers, M.J. and Qi, Z. ۲۰۰۶. Calibration and ...
  • Singh, S., Bhattarai, R., Negm, L. M., Youssef, M. A. ...
  • Skaggs, R.W. ۱۹۷۸. A water management model for shallow water ...
  • Skaggs, R.W., Youssef, M.A. and Chescheir, G.M. ۲۰۱۲. Drainmod: model ...
  • Tisu, P. and Guitjens, J. ۱۹۸۶. Predicting EC for drainage ...
  • Wahba, M.A. S. El-Ganainny, M. Abdel-Dayem, M. S. Kandil, H. ...
  • Wang, X., Mosley, C.T., Frankenberger, J.R. and Kladivko, E.J. ۲۰۰۶. ...
  • Wilson, G. L., Mulla, D. J., Galzki, J., Laacouri, A., ...
  • Youssef, M.A., Skaggs, R.W., Chescheir, G.M and Gilliam, J.W. ۲۰۰۶. ...
  • Zoua, P. Yanga, J. Fub, J. Liu, G. and Li, ...
  • نمایش کامل مراجع