این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
شنبه 22 آذر 1404
پژوهش آب در کشاورزی
، جلد ۳۲، شماره ۱، صفحات ۷۹-۹۲
عنوان فارسی
ارزیابی شبکه عصبی مصنوعی در برآورد سرعت پیشروی جبهه رطوبتی در سامانه آبیاری قطرهای
چکیده فارسی مقاله
یکی از پارامترهای مهم در طراحی، مدیریت و اجرای سامانههای آبیاری قطرهای سطحی و زیرسطحی تخمین سرعت پیشروی جبهه رطوبتی در خاک است. از جمله پارامترهای تاثیرگذار در این پارامتر نوع خاک (بافت و ساختمان )، دبی قطرهچکان و رطوبت اولیه خاک است. در این رابطه آزمایشها در یک مدل پلکسیگلاس شفاف با ابعاد m 5/0× m22/1 ×m 3 و بر روی سه نوع بافت (متوسط، سنگین و سبک) به انجام رسید. قطرهچکانها در چهار عمق صفر (سطحی)، 15 (H1)، 30 (H2) و 45 (H3) سانتیمتر مورد ارزیابی قرار گرفت. در این پژوهش، تیمارهای دبی قطرهچکانها با مقادیر 4/2 (Q1)، 4 (Q2) و 6 (Q3) لیتر در ساعت اعمال شد. با در نظر گرفتن متغیرهای دبی قطرهچکان، عمق نصب قطرهچکان، زمان، هدایت هیدرولیکی اشباع، چگالی ظاهری خاک، رطوبت اولیه خاک و همچنین نسبت درصد شن، سیلت و رس روابطی برای تخمین سرعت پیشروی جبهه رطوبتی با استفاده از شبکه عصبی مصنوعی ارائه شد. نتایج مقایسه بین مقادیر شبیهسازی و اندازهگیری شده نشان دادند که مدل شبکه عصبی با دقت بالایی سرعت پیشروی جبهه رطوبتی در خاک را در جهات مختلف برآورد میکند. مقادیر شاخصهای میانگین ریشه دوم خطا (RMSE) و میانگین خطای مطلق (MAE) بهترتیب برای سرعت افقی از 09/0 تا 35/0 و 06/0 تا 27/0 سانتیمتر بر دقیقه، برای سرعت عمودی به پایین از 02/0 تا 17/0 و 02/0 تا 07/0 سانتیمتر بر دقیقه و برای سرعت عمودی به بالا از 08/0 تا 25/0و 05/0 تا 12/0 سانتیمتر بر دقیقه نوسان میکند. استفاده از این مدلها در طراحی و اجرا میتواند باعث بهبود عملکرد این سامانه در آبیاری قطرهای سطحی و زیرسطحی شود.
کلیدواژههای فارسی مقاله
مدیریت آبیاری، شبیه سازی، آبیاری قطرهای زیر سطحی،
عنوان انگلیسی
Evaluation of Artificial Neural Network for Estimating the Advance Velocity of the Wetting Front in Drip Irrigation
چکیده انگلیسی مقاله
One of the most important parameters in designing, managing, and operating surface and subsurface drip irrigation systems is the advance velocity of the wetting (moisture) front in soil, which enormously affects the performance of these systems. Emitter discharge, soil type (soil texture and structure) and initial moisture content are the main factors affecting advance velocity under drip irrigation. Experiments were carried out in a transparent plexiglass tank (0.5 m*1.22 m*3 m) using three different soil textures (light, heavy, and medium). The drippers were installed at 4 different soil depths (surface, 15 cm, 30 cm, and 45 cm). The emitter outflows were considered 2.4, 4, and 6 L/hr. A simulation model was developed using artificial neural network (ANN) for predicting advance velocity of the wetting front (horizontal, downward, and upward direction) under point sources in surface and subsurface drip irrigation. The variables affecting wetting pattern included emitter discharge, emitter installation depth, application time, saturated hydraulic conductivity, soil bulk density, initial soil moisture content, and the proportions of sand, silt and clay in the soil. The results of the comparisons between the simulated and measured values showed that the ANN model was capable of predicting the advance velocity of the wetting front in different directions with high accuracy. The values of Root Mean Square Error (RMSE) varied from 0.09 to 0.35, from 0.02 to 0.17, and from 0.08 to 0.25 cm/min for horizontal, downward and upward velocity, respectively. Also, the values of Mean Absolute Error (MAE) varied from 0.06 to 0.27, from 0.02 to 0.07, and from 0.05 to 0.12 cm/min for horizontal, downward, and upward velocity, respectively. Using these models in designing and operating surface and subsurface drip irrigation systems could improve system performance.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
بختیار کریمی |
عضو هیئت علمی گروه علوم و مهندسی آب دانشگاه کرذستان
پروا محمدی |
گروه مهندسی آب
نشانی اینترنتی
http://wra.areo.ir/article_116602_407a6f67fa70b8473afba399bdc9f9c4.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1318/article-1318-648455.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات