عنوان پایان‌نامه
تخمین پارامترهای منحنی پیشروی آب در آبیاری جویچه ای با استفاده از توابع انتقالی
- رشته تحصیلی
- مهندسی کشاورزی-آبیاری وزهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45202;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4009
- تاریخ دفاع
- ۲۷ بهمن ۱۳۸۸
- دانشجو
- محمدجواد نحوی نیا
- استاد راهنما
- عبدالمجید لیاقت, مسعود پارسی نژاد
- چکیده
- در بررسی و طراحی آبیاری جویچه¬ای پیش¬بینی پیشروی جریان آب و میزان نفوذ در جویچه از اهمیت خاصی برخوردار است. ایجاد توابع انتقالی روشی غیر مستقیم برای برآورد ویژگی¬های هیدرولیکی خاک است که با استفاده از معادلات رگرسیونی و یا شبکه عصبی مصنوعی میان پارامترهای زودیافت و دیریافت خاک ارتباط برقرار می کند. روش سیستم استنباط فازی عصبی تطبیقی، یک روش نوین در حل مسائل پیچیده¬ای است که یا الگوریتم مشخصی بر¬ای حل آنها وجود ندارد. با آنکه مطالعات فراوانی به منظور گسترش و استفاده از توابع انتقالی خاک برای برآورد منحنی رطوبتی و هدایت هیدرولیکی غیر اشباع خاک صورت گرفته، لیکن تاکنون این روش برای برآورد زمان پیشروی و میزان نفوذ آب در آبیاری جویچه¬ای به کار نرفته است. این تحقیق با هدف تعیین توابع انتقالی با استفاده از روش رگرسیون چندگانه و شبکه¬های عصبی مصنوعی جهت تخمین زمان پیشروی و میزان نفوذ و همچنین مدل سازی این فرآیندها با استفاده از سیستم استنباط فازی- عصبی تطبیقی انجام شد. در این تحقیق از داده¬های اندازه¬گیری شده در آزمایش¬های صحرایی به روش آبیاری جویچه¬ای که طی دوره¬ی زمانی تابستان 1376 تا تابستان 1385 در ایستگاه¬های تحقیقاتی کشاورزی گلمکان مشهد، توتون ارومیه¬، مرکز تحقیقات کشاورزی صفی آباد دزفول¬¬، مزرعه آزمایشی دانشگاه بیرجند و موسسه اصلاح بذر کرج انجام شده بود¬، استفاده گردید. جهت تخمین زمان پیشروی با توجه به تعداد زیاد متغیرهای ورودی، انتخاب متغیر مستقل برای ورود به مدل به دو روش انجام گرفت. در روش اول بر اساس آزمون آماری F در سطح معنی داری 05/0 انجام شد. در روش دوم از تکنیک تحلیل مولفه های اصلی (PCA) استفاده شد. مقایسه نتایج بدست آمده از توابع انتقالی در تخمین زمان پیشروی و نفوذ نشان می¬دهد که مدل¬های شبکه-های عصبی در پیش¬بینی زمان پیشروی ونفوذ، در خاک¬های متوسط (Silty Clay Loam) از دقت مناسبی برخوردارند. اما در خاک¬های سنگین (Clay loam) تمایل به بیش برآورد¬، و در خاک¬های سبک (Silty Loam) ¬ تمایل به کم برآورد، دارند از این رو قابلیت تخمین مناسب را از دست می¬دهد. اما سیستم استنتاج فازی عصبی قادر است قابلیت تخمین را در تمام شرایط حفظ کند که این امر نشان از دقت بیشتر و قابلت تخمین زیاد سیستم استنتاج فازی عصبی دارد. دقت مدل¬های رگرسیونی در تخمین نفوذ، در خاک¬های سنگین در مقایسه با خاک¬های متوسط و سبک بیشتر است و با افزایش دبی از میزان دقت آن¬ها کاسته می¬شود. در بین مدل¬های تخمین زمان پیشروی، مدل-هایی که از پارامترهای حاصل از تحلیل مولفه¬های اصلی (PCA) استفاده می¬کنند، بهترین نتایج را کسب می¬کنند. واژه‌های کلیدی: آبیاری جویچه، زمان پیشروی¬، نفوذ، توابع انتقالی، سیستم فازی¬عصبی
- Abstract
- Abstract: In evaluation and design of furrow irrigation, prediction of advance phase and infiltration is important. Development of pedotransfer functions (pTF) are indirect methods for estimation of soil’s hydraulic characteristics, Which relates the available and nonavailable soil parameters using regression equations or Artificial Neural Network methods. ANFIS is a new approach in solving complex problems which no specific algorithm is available for their solutions. Although many studies have been conducted to develop pTF’s for estimation of moisture characteristic curve and unsaturated hydraulic conductivity functions, but this method has not been used for estimation of advance phase time and infiltration in furrow irrigation. Purpose of this study was to develop PTF using multi-regression methods and Artificial Neural Network as well as ANFIS to estimate these parameters. Results showed that ANN satisfactory estimated advance phase time and infiltration for Silty-Clay-Loam soils. But for heavy textured soils (Clay-Loam) both parameters were overestimated and for light soils they were underestimated and is not then recommended. But ANFIS was well capable of estimating the above parameters for all soils which shows that this method is superior to the previous methods. Regression methods perform better for estimation of infiltration in heavy soils as compared to lighter soils. Increasing inflow rate reduced the accuracy of estimations. Overall the models using PCA performed best for estimation of advance phase time. Key¬word: Furrow irrigation, advanced time, infiltration, pTF , ANFIS
