| مدلسازی تبخیر و تعرق گیاه مرجع با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: استان تهران) |
| کد مقاله : 1290-NCFWM |
| نویسندگان: |
|
سالومه سپهری *1، قاسم زارعی2، محمد مهدی نخجوانی مقدم3 1کرج - بلوار شهید فهمیده- موسسه تحقیقات فنی و مهندسی کشاورزی، صندوق پستی:845-31585 2عضوهیئت علمی موسسه تحقیقات فنی و مهندسی کشاورزی 3کرج موسسه تحقیقات فنی و مهندسی کشاورزی |
| چکیده مقاله: |
| بحران آب در کشور و نقش بخش کشاورزی به عنوان یکی از بخش‌های پر مصرف آب، لزوم استفاده از روش‌های نوین به منظور مدیریت دقیق‌تر آب مصرفی در این بخش را نمایان کرده است. تعیین تبخیر و تعرق از اثرگذارترین پارامترها در برنامه‌ریزی آبیاری بوده و برآورد دقیق آن به کاهش تلفات آب می‌‌انجامد. با توجه به توانمندی شبکه‌های عصبی مصنوعی در تحلیل محاسباتی فرآیندهای پیچیده، این پژوهش با هدف کاربرد این تکنیک برای تحلیل داده‌های مؤثر بر برآورد تبخیر و تعرق گیاه مرجع صورت گرفت. نیاز آبی گیاه مرجع (ETo) با استفاده از داده‌های بلندمدت هواشناسی (ایستگاه‌های سینوپتیک ورامین، شهریار و فرودگاه امام خمینی(ره) در استان تهران) و با کاربرد نرم افزار ETo-calculator محاسبه شدند. به منظور مدلسازی ETo، ورودی‌ها به شبکه‌های عصبی مصنوعی شامل مقادیر دمای حداقل و حداکثر، رطوبت نسبی حداقل و حداکثر، سرعت باد و تعداد ساعات آفتابی در شبانه روز در نظر گرفته شدند. ارزیابی آموزش و عملکرد شبکه و مقایسه آن با داده‌های محاسباتی نشان داد که شبکه عصبی مصنوعی تکنیک مناسبی برای تحلیل ETo بوده و شبکه پرسپترون چند لایه‌ای با دو لایه میانی و ساختار 1-11-14-6 بهترین شبکه برای برآورد ETo می‌باشد. نتایج آنالیز حساسیت نشان داد که پارامترهای دمای حداکثر و تعداد ساعات آفتابی در شبانه روز به ترتیب مؤثرترین و کم‌اثرترین پارامترها در برآورد ETo بوده و سناریوی استفاده از سه پارامتر دمای حداقل و حداکثر و سرعت باد به عنوان تنها ورودی‌ها به شبکه عصبی بهینه، می‌تواند با دقت قابل قبولی تبخیر و تعرق گیاه مرجع را برآورد کند. |
| کلیدواژه ها: |
| آنالیز حساسیت، پرسپترون چند لایه‌ای، تبخیر و تعرق گیاه مرجع، شبکه عصبی مصنوعی، نرم‌افزار ETo-calculator |
| وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است |
