کاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

Authors

  • بهزاد قنبریان علویجه دانشجوی دکتری گروه آبیاری و آبادانی دانشکده آب و خاک پردیس کشاورزی و منابع طبیعی دانشگاه تهران
  • سمانه سهرابی دانشجوی کارشناسی ‌ارشد گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز
  • عبدالمجید لیاقت دانشیار گروه آبیاری و آبادانی دانشکده آب و خاک پردیس کشاورزی و منابع طبیعی دانشگاه تهران
Abstract:

ویژگی­های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می­نمایند.  از آنجائی­که اندازه­گیری مستقیم این قبیل ویژگی­های هیدرولیکی خاک امری وقت­گیر و هزینه­بر است روش­های غیرمستقیمی چون توابع انتقالی و شبکه­های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته­اند.  در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به­ منظور تخمین هدایت هیدرولیکی اشباع خاک با استفاده از داده­های اندازه­گیری شده منحنی مشخصه رطوبتی خاک و جرم مخصوص ظاهری استفاده شده­ است.  با استفاده از داده­های اندازه­گیری شده جرم مخصوص ظاهری خاک، بعد فرکتالی منحنی مشخصة رطوبتی، مکش در نقطه ورود هوا، تخلخل مؤثر، مقادیر هدایت هیدرولیکی اشباع خاک با استفاده از شبکه عصبی مصنوعی تخمین زده شدند.  در مرحله آموزش مدل از 114 داده اندازه­گیری شده منحنی مشخصة رطوبتی و جرم مخصوص ظاهری خاک و در مرحله تست از 28 داده باقیمانده استفاده شد.  مقادیر MSE و R2 در مرحله تست مدل شبکه عصبی مصنوعی با چهار پارامتر ورودی به­ترتیب 0028/0 و 76/0 محاسبه شدند.  مقایسه عملکرد مدل شبکه عصبی مصنوعی با دو مدل ارائه شده توسط رائولز و همکاران نشان داد که مدل شبکه عصبی مصنوعی با دقت بالاتری هدایت هیدرولیکی اشباع خاک را پیش‌بینی می­نماید.   

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک

ویژگی­های هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا می­نمایند.  از آنجائی­که اندازه­گیری مستقیم این قبیل ویژگی­های هیدرولیکی خاک امری وقت­گیر و هزینه­بر است روش­های غیرمستقیمی چون توابع انتقالی و شبکه­های عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافته­اند.  در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به­ منظور تخمین هدایت هیدرولیک...

full text

برآورد هدایت هیدرولیکی اشباع خاک با استفاده از پارامترهای زودیافت خاک و شبکه عصبی مصنوعی

هدایت هیدرولیکی اشباع خاک، از مهمترین ویژگی های فیزیکی خاک است که اهمیتی ویژه در شناخت، بررسی و مدل سازی ترابری آب، املاح و آلاینده های محیط متخلخل زیرزمینی دارد. باوجود تحقیقات متعددی که پیرامون اندازه گیری مستقیم هدایت هیدرولیکی اشباع صورت گرفته است، این روش ها همچنان پرهزینه، زمان بر و تخصصی هستند. از این رو ضرورت برآورد هدایت هیدرولیکی اشباع با استفاده از روش های سریع، کم هزینه و با دقتی قا...

15 صفحه اول

ارزیابی مدل‌های رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران

هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی می­باشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازه­گیری آزمایشگاهی و صحرایی آن دشوار، وقت‌گیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روش­های غیرمستقیم مانند توابع انتقالی می­توان آن را با دقت بالایی برآورد نمود. پژوهش حاضر...

full text

مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیونی برای پیش‌بینی هدایت هیدرولیکی اشباع خاک‌های استان خوزستان

Direct measurement of soil hydraulic characteristics is costly and time-consuming. Also, the method is partly unreliable due to soil heterogeneity and laboratory errors. Instead, soil hydraulic characteristics can be predicted using readily available data such as soil texture and bulk density using pedotransfer functions (PTFs). Artificial neural networks (ANNs) and statistical regression are t...

full text

ارزیابی روش غیرپارامتریک k- نزدیکترین همسایه و سیستم‌های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک

هدایت هیدرولیکی اشباع خاک از مهم ترین ویژگی های فیزیکی خاک است لیکن در بیشتر موارد به علت محدودیت‌های عملی و یا هزینه‌ای، اندازه‌گیری آن با دشواری همراه است. در این پژوهش مدل‌های مختلف شبکه های عصبی مصنوعی با نوعی از الگوریتم‌های غیرپارامتریک از نوع یادگیرنده‌های تنبل موسوم به k-نزدیکترین همسایه، برای تخمین هدایت هیدرولیکی اشباع خاک از روی داده‌های سهل‌الوصول خاک، مورد مقایسه قرار گرفت. در این ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 10  issue 1

pages  97- 112

publication date 2009-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023