ارزیابی شبکه عصبی مصنوعی در برآورد سرعت پیشروی جبهه رطوبتی در سامانه آبیاری قطره‌ای

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.