آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,224 |
| تعداد مقالات | 15,037 |
| تعداد مشاهده مقاله | 50,565,692 |
| تعداد دریافت فایل اصل مقاله | 13,658,275 |
مقایسه رگرسیون خطی و شبکههای عصبی در برآورد ابعاد پیاز رطوبتی در اراضی شیبدار | ||
| دانش آب و خاک | ||
| مقاله 18، دوره 24، شماره 4، بهمن 1393، صفحه 237-246 اصل مقاله (651.78 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مهدی تمجید* 1؛ محمد حسن بیگلویی2؛ محمدرضا خالدیان2؛ علیرضا مریدنژاد3؛ عادل محمدی4 | ||
| 11- دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه گیلان | ||
| 2استادیار آبیاری و زهکشی گروه مهندسی آب دانشگاه گیلان | ||
| 3کارشناس ارشد مهندسی آبیاری و زهکشی، مدیر عامل شرکت مهندسین مشاور سامان آبراه | ||
| 4کارشناس ارشد مهندسی آبیاری و زهکشی، اداره جهاد کشاورزی شهرستان پارس آباد | ||
| چکیده | ||
| به منظور مقایسه رگرسیون خطی و شبکههای عصبی مصنوعی در برآورد ابعاد پیاز رطوبتی در سامانه آبیاری قطرهای در اراضی شیبدار، آزمایشاتی با قطرهچکان دارای دبی ثابت 4 لیتر در ساعت در مدت زمانهای آبیاری 4، 6، 8، 10 و 12 ساعت در اراضی با شیب‌های صفر، 5، 15 و 25 درصد با بافت خاک لومسیلتی در منطقه فتحعلی دشت مغان در چهار تکرار انجام گرفت. نتایج مقایسه ای تخمین عمق پیاز رطوبتی با آمارههایR2 و EF و RMSE در روش شبکه عصبی مصنوعی پرسپترون چند لایه به ترتیب برابر 98/0 و 98/0 و 07/1 سانتی متر و در روش رگرسیون خطی چندگانه به ترتیب 93/0 و 93/0 و 1/2 سانتی متر به دست آمد. همچنین نتایج مقایسه این دو روش از نظر تخمین نیمرخ خاک خیس شده بر اساس آمارههایR2 و EF و RMSE که به ترتیب برابر 99/0، 99/0 و 16/22 سانتی متر مربع، و همچنین 93/0، 93/0 و 77/74 سانتیمتر مربع به دست آمد، نشان داد روش شبکه عصبی مصنوعی پرسپترون چند لایه نسبت به روش رگرسیون خطی چندگانه مناسبتر بود. اما نتایج مقایسه روش شبکه عصبی مصنوعی پرسپترون چند لایه و روش رگرسیون خطی چندگانه از نظر تخمین مساحت خیس شده سطح خاک بر اساس آمارههایR2، EF و RMSE که بترتیب برابر 90/0، 90/0 و 44/126 سانتیمتر مربع، همچنین 99/0، 99/0 و 22/18 سانتیمتر مربع به دست آمد نشان داد که از این نظر روش رگرسیون خطی چندگانه نسبت به روش شبکه عصبی مصنوعی پرسپترون چند لایه مناسبتر بود. | ||
| کلیدواژه‌ها | ||
| آبیاری قطرهای؛ ابعاد خیس‌شدگی خاک؛ پیاز رطوبتی؛ رگرسیون خطی؛ شبکههای عصبی مصنوعی | ||
| مراجع | ||
|
تیشه زن پ، و موسوی س، 1385. بررسی پیشروی جبهه رطوبتی تحت منبع نقطهای در خاکهای مطبق با سطوح شیبدار. همایش ملی مدیریت شبکههای آبیاری و زهکشی. 12-14 اردیبهشت 1385. دانشگاه شهید چمران اهواز. حلبیان ا ح، 1388. پیش آگاهی و برآورد بارش با استفاده از شبکه های عصبی مصنوعی. نشریه تحقیقات کاربردی علوم جغرافیایی، جلد 11، شماره 14، صفحههای 7 تا 28. میرزایی ف، 1386. یک مدل ساده برای برآورد سطح خیس شده در آبیاری قطرهای با استفاده از تکنیک آنالیز ابعادی. سمینار علمی طرح ملی آبیاری تحت فشار و توسعه پایدار، 2 اسفند ماه. مؤسسه تحقیقات اصلاح و تهیه نهال بذر، کرج. نصیری ش، 1389. تعیین معادلات تجربی جهت برآورد ابعاد جبهه رطوبتی تحت آبیاری قطرهای در خاکهای متوسط شنی. پایاننامه کارشناسی ارشد. دانشگاه آزاد واحد کرمان. نوابیان م.، ع. م. لیاقت و م. همایی .1382. تخمین هدایت هیدرولیکی اشباع با استفاده ازتوابع انتقالی. مجله علمی پژوهشی تحقیقات مهندسی کشاورزی موسسه تحقیقات فنی و مهندسی کشاورزی. جلد 4. شمازه 16. صفحههای 1 تا 11. وفائیان م، 1371. خواص مهندسی خاک. انتشارات ارکان اصفهان، صفحه 337. Dabral PP, Pandey PK, Pandey A, Singh KP and Sanjoy Singh M, 2011. Modelling of wetting pattern under trickle source in sandy soil of Nirjuli, Arunachal Pradesh (India). Irrig Sci. 30(4): 287-292.
Haverkamp R, PJ Ross, KRJ, Smetten and JY Parlange, 1994. Three-dimensional analysis of infiltration from the disc infiltrometer. 2. Physically based infiltration equation. Water Resource Research. 30: 2931-2935.
Hinnel AC, Lazarovitch N, Furman A, Poulton M And Warrick AW, 2010. Neuro-Drip: estimation of subsurface wetting patterns for drip irrigation using neural networks. Irrig Sci. 28: 535–544.
Jamieson PD, Porter JR, Wilson DR, 1991. A test of the computer simulation model ARC-WHEAT1 on wheat crops grown in New Zealand. Field Crops Research 27: 337–350.
Lassabatere L, Angulo-Jaramillo R, Soria ugalde JM, Cuenca R, Braud I and Havre kamp R, 2006. Beerkan estimation of soil transfer parameters through infiltration experiments. Soil Sci Soc Am J 70: 521-532.
Malek K. and Troy Peters R, 2011. Wetting Pattern Models for Drip Irrigation: New Empirical Model. J Irrig Drain Engin. 137(8): 530-536
M Kandelous M and Simunek J, 2009. Comparison of numerical, analytical, and empirical models to estimate wetting patterns for surface and subsurface drip irrigation. Irrig Sci 28: 435–444.
Molavi A, Sadraddini AA, Nazemi AH and Fakheri Fard A, 2012. Estimating wetting front coordinates under surface trickle irrigation. Turk J Agric For 36: 729-737.
Neshat A and nasiri s, 2012. Finding the optimized distance of emitters in the drip irrigation in loam-sandy soil in the Ghaeme Abad Plain of Kerman, Iran. Middle-East J of Sci Res. 11 (4): 426-434.
Ramah K, Santhi P and Thiyagarajan G, 2011. Moisture distribution in drip irrigated maize based cropping system. Madras Agric J 98 (1-3): 51-55.
Thabet M and Zayani K, 2008. Wetting patterns under trickle source in a loamy sand soil of South Tunisia. American-Eurasian J Agric Environ Sci 3: 38–42.
Willmut C J, 1982. Some comments on the evaluation of model performance. Bull.Am. Meteorol Soc 63(11): 1309–1313. | ||
|
آمار تعداد مشاهده مقاله: 3,510 تعداد دریافت فایل اصل مقاله: 1,497 |
||