برآورد برخی خصوصیات هیدرولیکی خاک با استفاده از توابع انتقالی
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 6، شماره: 4
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 238
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-6-4_004
تاریخ نمایه سازی: 3 اسفند 1400
چکیده مقاله:
ظرفیت زراعی (Field Capacity, FC) و نقطه پژمردگی دائم (Permanent Wilting Point, PWP) در تعیین عمق خالص آب آبیاری موثر میباشند. با این حال اندازه گیری مستقیم این خصوصیات به خصوص در سطوح وسیع، مشکل، زمان بر و پر هزینه است. توابع انتقالی خاک جزو روش های غیر مستقیمی است که می تواند جایگزین روش های مستقیم گردد. در این تحقیق ابتدا عملکرد شش تابع انتقالی موجود در منابع در برآورد رطوبت در نقاط FC و PWP بر روی ۱۱۲ نمونه خاک منتخب از شمال و شمال شرق کشور ارزیابی گردید. مقادیر ریشه میانگین مربعات خطا (Root Mean Square Error, RMSE) برای توابع انتقالی اشاره شده موجود ما بین ۰۵/۰ تا ۱۷/۰ و ۰۳/۰ تا ۱۳/۰ برای برآورد رطوبت به ترتیب در نقاط FC و PWP تغییر نمود. بنابراین توابع انتقالی جدیدی بر مبنای تکنک رگرسیون چندگانه خطی و شبکه های عصبی مصنوعی و با استفاده از خصوصیات تعدادی از نمونه خاکها (۹۰ نمونه) بسط و توسعه یافت و نتایج آنها بر روی نمونه خاکهای متفاوتی مورد اعتبارسنجی قرار گرفت. نتایج نشان داد که تکنیک رگرسیون چندگانه خطی با اختصاص مقادیر ۰۳۵/۰، ۰۱/۰، ۰۲۷/۰ و ۰۲۴/۰ برای شاخص RMSE به ترتیب در برآورد رطوبت در نقطه FC، PWP، آب قابل دسترس و آبدهی ویژه، و تکنیک شبکه عصبی با اختصاص مقادیر ۰۱۳/۰، ۰۰۷/۰، ۰۱۵/۰ و ۰۱۳/۰ برای همین شاخص و در مورد همان خصوصیات، عملکرد مناسبی داشتند. همچنین نتایج نشان داد که کاربرد متغیرهایی نظیر میانگین هندسی و انحراف معیار هندسی قطر ذرات، بعد فرکتالی و مکش ورود هوا، برای نخستین بار در ورودی توابع انتقالی، توانست به مقدار قابل توجهی دقت نتایج را بالا ببرد، اگرچه تایید این نظریه نیازمند مطالعات بیشتر میباشد.
کلیدواژه ها:
نویسندگان
روزبه موذن زاده
استادیارگروه مهندسی آب و خاک، دانشگاه صنعتی شاهرود، شاهرود، ایران
بیژن قهرمان
استاد گروه علوم و مهندسی آب ، دانشگاه فردوسی مشهد.
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 :