عنوان پایان‌نامه
پیش بینی کمی جریان های برگشتی در شبکه های آبیاری با استفاده از مدل رگرسیون درختی فازی
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49287;کتابخانه پردیس ابوریحان شماره ثبت: 527
- تاریخ دفاع
- ۰۱ شهریور ۱۳۹۰
- دانشجو
- هادی وروانی
- چکیده
- جریان برگشتی به عنوان یکی از عوامل کاهش راندمان آبیاری در شبکه های آبیاری و زهکشی مطرح بوده و از اینرو برآورد دقیق، شناخت تاثیر پذیری آن نسبت به پارامترهای مختلف و ارائه راهکارهای مدیریتی در کاهش مقدار کمّی و یا استفاده بهینه از آن می تواند نقش بسزایی در ارتقای عملکرد و بهره وری این سامانه ها داشته باشد. این تحقیق با هدف توسعه مدل¬های رگرسیون درختی و رگرسیون درختی فازی به منظور پیش بینی شدت جریان برگشتی روزانه شبکه های آبیاری (حوضه آبشخور زهکش سلیمه شبکه آبیاری دز) انجام گرفت. بدین منظور چهار ترکیب با استفاده از پنج متغیّر شدت جریان ورودی روزانه، بارش موثر، نیاز آبی، نفوذ عمقی و تبخیر از سطح کانال ها توسعه یافتند. مراحل آموزش، صحّت سنجی و آزمون مدلها بر اساس داده های واقعی اندازه گیری شده طی دو سال 1386 و 1388 صورت پذیرفت. ارزیابی مدلها نشان داد که کلیه مدل¬های توسعه یافته از دقّت مطلوبی در تعیین شدت جریان برگشتی محدوده مورد مطالعه برخوردار بوده و از اینرو کاربرد هر کدام از آن ها در پیش بینی جریان برگشتی شبکه قابل توصیه می باشد. با توجه به اینکه مدل رگرسیون درختی فازی از تمامی متغیر ها برای شکل گیری فرآیند پیش بینی استفاده می کند، بنابراین دقت این مدل نسبت به مدل رگرسیون درختی بالاتر می باشد. درجه حساسیت مدل های رگرسیون درختی نسبت به تاثیرپذیری از متغیّرهای پنج گانه به صورت زیر ارزیابی گردید: شدت جریان ورودی روزانه> نفوذ عمقی> تقاضای نیاز آب مصرفی> بارش موثر> تبخیر از سطح کانال ها. نتایج بیانگر آن است که با حذف یک یا دو متغیّر ورودی در ترکیب مدل رگرسیونی، در میزان دقّت مدل رگرسیون تغییرات قابل ملاحظه ای بوجود نمی آید. در این رابطه کاهش متغیّرهای ورودی بارش موثر و تبخیر از سطح کانال ها از ترکیب مدل رگرسیونی درختی مناسب به نظر می رسد.
- Abstract
- Return flow is one of the main reduction factor of irrigation efficiency in irrigation and drainage network hence recognition of its sensibility to different parameters and providing managerial strategy in reduction of quantity or optimum use could be more important in upgrading and performance of this system. this research carried out in order to development regression tree and fuzzy regression tree model for prediction of daily recurrent flow discharge of irrigation network ( Abshkhor basin of Salime drain of Dez irrigation network) for this research four model of regression tree developed using five variable of daily input discharge, effective rainfall ,water demand , depth percolation , and evaporation from canal area .training step, validation and model testing carried out based on observed data of 1386 and 1388.evaluation of models showed that all of the regression models have acceptable accuracy in prediction of return flow in the study area .hence their application could be recommended since the fuzzy regression tree use of all variable in outlining the processes ,its accuracy relative to regression tree is high degree of model sensitivity to five variable evaluated as daily input discharge> water demand> depth percolation> effective rainfall> evaporation from canal area. results indicate that by removing one or two input variable from model composition has not considerable variation in this among reduction variable or evaporation from canal area and effective rainfall is suitable. key words : return flow , irrigation efficiency, Salime drain , irrigation network , regression tree model fuzzy
