ارزیابی شبکه های عصبی مصنوعی در برآورد پارامتریک جبه? پیشروی آب در آبیاری نواری

ظهور تئوری های توانمند، مانند منطق فازی، شبک ه های عصبی، الگوریتم ژنتیک، تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است . آبیاری سطحی به دلیل سادگی و عدم نیاز به دستگاههای ویژه، از رایج ترین روشهای آبیاری به شمار می آید. سرعت پیشروی آب روی سطح خاک، یکی از عوامل مهم در طراحی و مدیریت آبیاری سطحی است و از رطوبت اولی? خاک، شیب، بافت خاک، ساختمان خاک، دبی ورودی و دمای آب تاثیر می پذیرد. رطوبت اولی? خاک موثرترین عامل بر فرآیند نفوذ است . تغییرات نفوذ نیز فرآیند پیشروی را تحت تاثیر قرار می دهد. درمدلهای ریاضی موجود پیش بینی پیشروی، مقدار نفوذ با استفاده از روابط تجربی که فقط تابعی از زمان نفوذ می باشد محاسبه می شود. از اینرو، اثر تغییرات رطوبت در نیمرخ خاک بر نفوذ نادیده گرفته می شود. هدف از این پژوهش، بررسی اثر رطوبت اولی? خاک بر فرآیند پیشروی در خاکهای سنگریزه ای 0 درصد ایجاد گردید . در هر یک از / بود. برای این منظور، 8 نوار به طول 50 متر و عرض 150 سانتیمتر با شیب 5 نوارها، برای رطوبتهای اولی? 2 تا 48 درصد، پیشروی اندازه گیری و ثبت شد . ارتباط بین پارامترهای معادل? پیشروی و رطوبت اولی? خاک به شکل معادلات مختلف بدست آمد همچنین با استفاده از شبکه های عصبی انتشار برگشتی نسبت به آموزش و پیش بینی زمان پیشروی جبهه پیشروی آب اقدام گردید . نتایج نشان داد که تغییرات رطوبت اولیه، تاثیری قابل توجه بر سرع ت پیشروی آب در نوار داشته و در نظر گرفتن تاثیر رطوبت اولی? خاک بر ضرایب معادل? پیشروی، موجب پیش بینی دقیق ترآن می شود. در نتیجه، برآورد زمان نفوذ در نقاط مختلف در طول نوار با خطایی کمتر قابل محاسبه می باشد. نتایج همچنین نشان داد که شبکه های عصبی توانایی خوبی در پیش بینی زمان پیشروی داشته و در مقایسه با روابط تجربی و رگرسیونی نتایج بهتری را ارائه می نماید

کلیدواژه ها:

آبیاری سطحی ، بازده آبیاری ، رطوبت اولیه خاک ، منحنی پیشروی ، نفوذ ، شبک ههای عصبی مصنوعی