مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی

یکنواختی توزیع آب (CU) یک پارامتر مهم فنی در طراحی سیستم‌های آبیاری می‌باشد و مقدار آن تاثیر مهمی بر کیفیت و بازده سرمایه‌گذاری در پروژه‌های آبیاری دارد. اندازه‌گیری CU در آبیاری بارانی ثابت از روی نتایج یک آبپاش منفرد با توجه به‌ در نظر گرفتن هم‌پوشانی آبپاش‌های مجاور و در مقادیر مختلف فشار کارکرد...

Full description

Saved in:
Bibliographic Details
Main Authors: زیبا قزلباش, مهدی ذاکری نیا, ابوطالب هزار جریبی, امیر احمد دهقانی
Format: Article
Language:fas
Published: Gorgan University of Agricultural Sciences and Natural Resources 2015-02-01
Series:پژوهش‌های حفاظت آب و خاک
Subjects:
Online Access:https://jwsc.gau.ac.ir/article_2282_781122c6802526d45811471dce93ad05.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
_version_ 1850057312585121792
author زیبا قزلباش
مهدی ذاکری نیا
ابوطالب هزار جریبی
امیر احمد دهقانی
author_facet زیبا قزلباش
مهدی ذاکری نیا
ابوطالب هزار جریبی
امیر احمد دهقانی
author_sort زیبا قزلباش
collection DOAJ
description یکنواختی توزیع آب (CU) یک پارامتر مهم فنی در طراحی سیستم‌های آبیاری می‌باشد و مقدار آن تاثیر مهمی بر کیفیت و بازده سرمایه‌گذاری در پروژه‌های آبیاری دارد. اندازه‌گیری CU در آبیاری بارانی ثابت از روی نتایج یک آبپاش منفرد با توجه به‌ در نظر گرفتن هم‌پوشانی آبپاش‌های مجاور و در مقادیر مختلف فشار کارکرد آبپاش (P)، ارتفاع پایه آبپاش (Hr)، فاصله آبپاش‌ها روی لوله‌های جانبی (Sl) و فاصله لوله‌های جانبی از یکدیگر (Sm) امری زمان بر می‌باشد. در این پژوهش، CU برای آبپاش‌های مدل 20AQ- و 6KA- در 4 تیمار فشارکارکرد (2، 5/2، 3 و 5/3 اتمسفر)، 16 تیمار فواصل آبپاش‌ها (Sl×Sm) شامل (9×18، 12×18، 15×18، 18×18، 9×15، 12×15، 15×15، 18×15، 9×12، 12×12، 15×12، 18×12، 9×9، 12×9، 15×9 و 18×9 متر)، 4 تیمار ارتفاع پایه آبپاش (60، 90، 120 و 150 سانتیمتر) و 3 تیمار آرایش آبپاش‌ها (مربعی، مستطیلی و مثلثی) در شرایط باد آرام (2-0 متر بر ثانیه) در ایستگاه تحقیقات پنبه هاشم آباد گرگان اندازه‌گیری شد. به‌منظور برآورد CU بر‌اساس روش‌های برنامه‌ریزی بیان ژن (GEP) و شبکه عصبی مصنوعی(ANN)، P, Hr , Sl ,Sm به‌عنوان پارامترهای ورودی درنظر گرفته شدند با مقایسه آماری نتایج محاسباتی، ریشه میانگین مربعات خطا (RMSE) برای روشهای GEP و ANNدر آبپاش 20 AQ- برابر 06/0 و 062/0 و در آبپاش 6KA- نیز به ترتیب برابر 067/0 و 064/0 به‌دست آمد که این امر بیانگر دقت بالا هر دو روش در مدل-سازی است. از آنجایی که مدل GEP قادر به ارائه رابطه‌ای صریح برای تخمین ضریب یکنواختی است، جنبه کاربردی بیشتری دارد.
format Article
id doaj-art-502bcfd92ccd4e0aae5a312ddd34ad89
institution DOAJ
issn 2322-2069
2322-2794
language fas
publishDate 2015-02-01
publisher Gorgan University of Agricultural Sciences and Natural Resources
record_format Article
series پژوهش‌های حفاظت آب و خاک
spelling doaj-art-502bcfd92ccd4e0aae5a312ddd34ad892025-08-20T02:51:28ZfasGorgan University of Agricultural Sciences and Natural Resourcesپژوهش‌های حفاظت آب و خاک2322-20692322-27942015-02-01216951142282مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانیزیبا قزلباش0مهدی ذاکری نیا1ابوطالب هزار جریبی2امیر احمد دهقانی3ندارم.استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگاندانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگاندانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگانیکنواختی توزیع آب (CU) یک پارامتر مهم فنی در طراحی سیستم‌های آبیاری می‌باشد و مقدار آن تاثیر مهمی بر کیفیت و بازده سرمایه‌گذاری در پروژه‌های آبیاری دارد. اندازه‌گیری CU در آبیاری بارانی ثابت از روی نتایج یک آبپاش منفرد با توجه به‌ در نظر گرفتن هم‌پوشانی آبپاش‌های مجاور و در مقادیر مختلف فشار کارکرد آبپاش (P)، ارتفاع پایه آبپاش (Hr)، فاصله آبپاش‌ها روی لوله‌های جانبی (Sl) و فاصله لوله‌های جانبی از یکدیگر (Sm) امری زمان بر می‌باشد. در این پژوهش، CU برای آبپاش‌های مدل 20AQ- و 6KA- در 4 تیمار فشارکارکرد (2، 5/2، 3 و 5/3 اتمسفر)، 16 تیمار فواصل آبپاش‌ها (Sl×Sm) شامل (9×18، 12×18، 15×18، 18×18، 9×15، 12×15، 15×15، 18×15، 9×12، 12×12، 15×12، 18×12، 9×9، 12×9، 15×9 و 18×9 متر)، 4 تیمار ارتفاع پایه آبپاش (60، 90، 120 و 150 سانتیمتر) و 3 تیمار آرایش آبپاش‌ها (مربعی، مستطیلی و مثلثی) در شرایط باد آرام (2-0 متر بر ثانیه) در ایستگاه تحقیقات پنبه هاشم آباد گرگان اندازه‌گیری شد. به‌منظور برآورد CU بر‌اساس روش‌های برنامه‌ریزی بیان ژن (GEP) و شبکه عصبی مصنوعی(ANN)، P, Hr , Sl ,Sm به‌عنوان پارامترهای ورودی درنظر گرفته شدند با مقایسه آماری نتایج محاسباتی، ریشه میانگین مربعات خطا (RMSE) برای روشهای GEP و ANNدر آبپاش 20 AQ- برابر 06/0 و 062/0 و در آبپاش 6KA- نیز به ترتیب برابر 067/0 و 064/0 به‌دست آمد که این امر بیانگر دقت بالا هر دو روش در مدل-سازی است. از آنجایی که مدل GEP قادر به ارائه رابطه‌ای صریح برای تخمین ضریب یکنواختی است، جنبه کاربردی بیشتری دارد.https://jwsc.gau.ac.ir/article_2282_781122c6802526d45811471dce93ad05.pdfآبیاری تحت فشارارزیابی سیستم آبیاریهوش مصنوعییکنواختی توزیع آب
spellingShingle زیبا قزلباش
مهدی ذاکری نیا
ابوطالب هزار جریبی
امیر احمد دهقانی
مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
پژوهش‌های حفاظت آب و خاک
آبیاری تحت فشار
ارزیابی سیستم آبیاری
هوش مصنوعی
یکنواختی توزیع آب
title مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
title_full مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
title_fullStr مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
title_full_unstemmed مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
title_short مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
title_sort مقایسه عملکرد دو روش برنامه‌ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی
topic آبیاری تحت فشار
ارزیابی سیستم آبیاری
هوش مصنوعی
یکنواختی توزیع آب
url https://jwsc.gau.ac.ir/article_2282_781122c6802526d45811471dce93ad05.pdf
work_keys_str_mv AT zybạqzlbạsẖ mqạyshʿmlḵrddwrwsẖbrnạmhryzybyạnzẖnwsẖbḵhʿṣbymṣnwʿybhmnẓwrtkẖmynḍrybyḵnwạkẖtytwzyʿậbdrậbyạrybạrạny
AT mhdydẖạḵrynyạ mqạyshʿmlḵrddwrwsẖbrnạmhryzybyạnzẖnwsẖbḵhʿṣbymṣnwʿybhmnẓwrtkẖmynḍrybyḵnwạkẖtytwzyʿậbdrậbyạrybạrạny
AT ạbwṭạlbhzạrjryby mqạyshʿmlḵrddwrwsẖbrnạmhryzybyạnzẖnwsẖbḵhʿṣbymṣnwʿybhmnẓwrtkẖmynḍrybyḵnwạkẖtytwzyʿậbdrậbyạrybạrạny
AT ạmyrạḥmddhqạny mqạyshʿmlḵrddwrwsẖbrnạmhryzybyạnzẖnwsẖbḵhʿṣbymṣnwʿybhmnẓwrtkẖmynḍrybyḵnwạkẖtytwzyʿậbdrậbyạrybạrạny