تعداد نشریات | 49 |
تعداد شمارهها | 1,846 |
تعداد مقالات | 19,516 |
تعداد مشاهده مقاله | 9,297,923 |
تعداد دریافت فایل اصل مقاله | 6,532,717 |
برآورد نفوذ تجمعی آب به خاک با استفاده از شبکه های عصبی مصنوعی در خاک های آهکی | ||
آب و خاک | ||
مقاله 10، دوره 24، شماره 3، مرداد 1389 اصل مقاله (793.26 K) | ||
نوع مقاله: مقالات پژوهشی | ||
شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.3622 | ||
نویسندگان | ||
فرزین پرچمی عراقی* 1؛ سیدمجید میرلطیفی1؛ شجاع قربانی دشتکی2؛ محمدحسین مهدیان3 | ||
1دانشگاه تربیت مدرس تهران | ||
2دانشگاه شهرکرد | ||
3سازمان تحقیقات، آموزش و ترویج کشاورزی | ||
چکیده | ||
چکیده فرآیند نفوذ آب به خاک یکی از مهمترین اجزای چرخه ی آبی در طبیعت است. از سوی دیگر، اندازه گیری آن دشوار، زمان بر و پرهزینه می باشد. در پژوهش حاضر، امکان برآورد نفوذ تـجـمعی آب به خـاک، در زمانهایی مشخص از آغاز فرآیند نفوذ با استفاده از ویژگی های زودیافت خاک و به کمک شبکه های عصبی مصنوعی مورد بررسی قرار گرفت. برای این منظور، داده های حاصل از آزمایش های نفوذپذیری به روش استوانههای مضاعف در 210 نقطه از مناطق مختلف کشور، جمع آوری شد. همچنین، با حفر پروفیل در نزدیکی نقاط اندازه گیری نفوذ آب به خاک، لایه های پدوژنیک خاک مشخص و از دو افق بالایی نمونهبرداری و ویژگی های رطوبت اولیه، جرم ویژه ی ظاهری خاک، فراوانی نسبی ذرّات، میزان ماده ی آلی، درصد سنگریزه (قطر ذرات بزرگتر از 2 میلی متر)، میزان آهک، رطوبت ظرفیت زراعی و رطوبت پژمردگی دایم اندازه گیری شد. به منظور برآورد نفوذ تجمعی در زمان های 5، 10، 15، 20، 30، 45، 60، 90، 120، 150، 180، 210، 240، 270 دقیقه پس از شروع نفوذ آب به خاک و زمان نفوذ پایه از شبکه های عصبی مصنوعی پرسپترون چندلایه استفاده گردید. در این پژوهش، دو گونه شبکه عصبی پی ریزی شد. در شبکه های عصبی گونه ی نخست، ویژگی های افق سطحی، به صورت سلسله مراتبی، به عنوان متغیرهای ورودی مورد استفاده قرار گرفت. در شبکه های عصبی گونه ی دوم، از ویژگی های دو افق پدوژنیکی و به روش تحلیل مولفه های اصلی به عنوان متغیرهای ورودی استفاده گردید. نتایج ارزیابی اعتبار شبکه های مورد استفاده حاکی از آن بود که شبکه های گونه ی نخست با مقادیر آماره ی RMSE بین 136/1 تا 312/9 سانتی متر، بهترین عملکرد را در برآورد نفوذ تجمعی در تمامی زمان های مورد بررسی داشتند. همین طور، شبکه های عصبی گونه ی نخست با میانگین RMSD معادل با 307/6 سانتی متر بهترین عملکرد را در برآورد منحنی نفوذ تجمعی داشتند. واژه های کلیدی: پرسپترون چند لایه، شبکه های عصبی مصنوعی، فرآیند نفوذ، نفوذ تجمعی | ||
آمار تعداد مشاهده مقاله: 220 تعداد دریافت فایل اصل مقاله: 218 |