پیش بینی تلفات تبخیرو بادبردگی در سامانه های آبیاری بارانی با استفاده از شبکه های عصبی مصنوعی
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 16، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 95
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-16-3_006
تاریخ نمایه سازی: 27 شهریور 1401
چکیده مقاله:
تلفات تبخیر و بادبردگی (WDEL) در سامانه های آبیاری بارانی عاملی است که دریافت آب در نقاط مختلف مزرعه را دستخوش تغییر می کند و باعث کاهش یکنواختی پاشش می گردد. لذا پیش بینی این تلفات می تواند نقش مهمی در بهبود عملکرد آنها ایفا نماید. در این پژوهش از شبکه های عصبی مصنوعی برای برآورد ساعتی راندمان دبی آب پاش (SDE) استفاده شده است که این پارامتر، خود وابسته به تلفات بادبردگی و تبخیر است. پارامترهای موثر در برآورد WDEL که به عنوان ورودی شبکه عصبی مدنظر قرارگرفت با محاسبه ضرایب همبستگی رتبه بندی اسپرمن انتخاب شدند. بر این اساس، سرعت باد، دما، رطوبت نسبی و تبخیر- تعرق مرجع به عنوان ورودی و SDE به عنوان خروجی مدل مدنظر قرارگرفت. ارزیابی عملکرد مدل شبکه عصبی ایجاد شده با استفاده از ۱۰۲۴ داده بدست آمده توسط ساختار نواری برآورد WDEL صورت گرفت. مدل شبکه عصبی پیشنهادی که یک مدل ۱-۱۶-۱۹-۴ با تابع آموزش مبتنی بر تنظیم بیزین است پس از بررسی ۳۷۸۰ مدل متفاوت انتخاب گردید. نتایج نشان داد که مدل توسعه داده شده می تواند با دقت بالایی مقادیر ساعتی SDE را برآورد کند (۱۹/۱ =MAPE، ۶/۱ % =RMSE، ۸۴/۰= R) و به عنوان یک روش قابل اتکاء در ارزیابی عملکرد سامانه های آبیاری بارانی استفاده شود.
کلیدواژه ها:
نویسندگان
سید ایمان ساعدی
گروه آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود
تروی پیترز
دپارتمان مهندسی بیوسیستم، دانشگاه ایالتی واشنگتن، امریکا