| تعداد نشریات | 56 |
| تعداد شماره‌ها | 2,153 |
| تعداد مقالات | 22,473 |
| تعداد مشاهده مقاله | 103,457,311 |
| تعداد دریافت فایل اصل مقاله | 49,335,241 |
تخمین شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های SaltMod و شبکه عصبی مصنوعی | ||
| آب و خاک | ||
| مقاله 17، دوره 25، شماره 1، فروردین 1390 اصل مقاله (470.03 K) | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.8518 | ||
| نویسندگان | ||
| امیر حق وردی* 1؛ کوروش محمدی2؛ سید اسدالله محسنی موحد3؛ بیژن قهرمان1؛ محمد افشار4 | ||
| 1دانشگاه فردوسی مشهد | ||
| 2دانشگاه تربیت مدرس | ||
| 3دانشگاه اراک | ||
| 4تهران | ||
| چکیده | ||
| چکیده شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی شد. مدل SaltMod واسنجی گردید و برای تولید 2400 سری داده برای آموزش شبکه های عصبی مصنوعی به کار گرفته شد. تعدادی از عوامل ورودی SaltMod از جمله داده های عمق آب آبیاری، تبخیر-تعرق، عمق سطح ایستابی، بارندگی و شوری اولیه نیمرخ خاک در شبکه های عصبی استفاده شدند. همچنین کارایی الگوریتم ژنتیک در فرآیند آموزش شبکه های عصبی مورد بررسی قرار گرفت. میانگین ضریب تعیین (2R) و میزان خطای شوری برآورد شده (RMSE) انتهای سال در تمامی گروه ها با استفاده از شبکه های عصبی به ترتیب برابر 8/0 و 032/0 بود. در مجموع می توان گفت شبکه های عصبی مصنوعی به خوبی توانایی مدل سازی و پیش بینی شوری خاک منطقه ریشه را دارند و می توانند جایگزین خوبی برای SaltMod باشند. همچنین نتایج نشان داد که به طور کلی کارکرد شبکه های عصبی با به کارگیری الگوریتم ژنتیک بهبود می یابد. واژه های کلیدی: دشت تبریز، شوری نیمرخ خاک، الگوریتم ژنتیک، شبکه های عصبی مصنوعی، SaltMod | ||
|
آمار تعداد مشاهده مقاله: 4,653 تعداد دریافت فایل اصل مقاله: 1,914 |
||