صیادی شهرکی, عاطفه, ناصری, عبدعلی, سلطانی محمدی, امیر. (1397). مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی). انسان و محیط زیست, (), -.
عاطفه صیادی شهرکی; عبدعلی ناصری; امیر سلطانی محمدی. "مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)". انسان و محیط زیست, , , 1397, -.
صیادی شهرکی, عاطفه, ناصری, عبدعلی, سلطانی محمدی, امیر. (1397). 'مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)', انسان و محیط زیست, (), pp. -.
صیادی شهرکی, عاطفه, ناصری, عبدعلی, سلطانی محمدی, امیر. مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی). انسان و محیط زیست, 1397; (): -.
مقایسه عملکرد دو مدل DRAINMOD و شبکه عصبی مصنوعی در پیش‌بینی سطح ایستابی (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)
2استاد دانشکده مهندسی علوم آب دانشگاه شهیدچمران اهواز
3استادیار دانشکده مهندسی علوم آب دانشگاه شهیدچمران اهواز
چکیده
آزمایشهای مزرعه ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت های قابل توجهی نیز دارند. از جمله اینکه، این آزمایش‌ها را نمی‌توان برای پیش بینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی این محدودیت‌ها را تا حدود زیادی برطرف می‌کند. اما قبل از کاربرد چنین مدل‌هایی، درستی نتایج بدست آمده از آن‌ها باید با نتایج آزمایش های مزرعه ای مقایسه گردد .در این پژوهش از مدل شبکه عصبی مصنوعی (ANN) و مدل DRAINMOD برای پیش‌بینی سطح ایستابی استفاده شد. بدین منظور مزرعه 11-9R از مزارع نیشکر دعبل خزاعی انتخاب و پارامترهای ورودی مدل‌ها شامل نوسانات سطح ایستابی، حجم آب آبیاری، دبی زهکش‌ها، داده‌های 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 می‌باشد. به طوری‌که 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. همچنین این پژوهش نشان داد دقت داده‌های ورودی مورد نیاز برای انجام شبیه سازی به وسیله مدل‌ها، نقش بسیار مهمی در نتایج حاصل از مدل ها دارند. بنابراین دقت در اندازه گیری پارامترهای ورودی مورد نیاز، دقت در شبیه سازی را به‌همراه خواهد داشت.
ابتدای صفحه