فهرست نشریات علمی دسترسی آزاد ایران

تلفات تبخیر و بادبردگی (WDEL) در سامانه‌های آبیاری بارانی عاملی است که دریافت آب در نقاط مختلف مزرعه را دستخوش تغییر می‌کند و باعث کاهش یکنواختی پاشش می‌گردد. لذا پیش‌بینی این تلفات می‌تواند نقش مهمی در بهبود عملکرد آنها ایفا نماید. در این پژوهش از شبکه‌های عصبی‌مصنوعی برای برآورد ساعتی راندمان دبی آب‌پاش (SDE) استفاده شده‌است که این پارامتر، خود وابسته به تلفات بادبردگی و تبخیر است. پارامترهای موثر در برآورد WDEL که به عنوان ورودی شبکه عصبی مدنظر قرارگرفت با محاسبه ضرایب همبستگی رتبه‌بندی اسپرمن انتخاب شدند. بر این اساس، سرعت باد، دما، رطوبت نسبی و تبخیر- تعرق مرجع به عنوان ورودی و SDE به عنوان خروجی مدل مدنظر قرارگرفت. ارزیابی عملکرد مدل شبکه عصبی ایجاد شده با استفاده از 1024 داده بدست آمده توسط ساختار نواری برآورد WDEL صورت گرفت. مدل شبکه عصبی پیشنهادی که یک مدل 1-16-19-4 با تابع آموزش مبتنی بر تنظیم بیزین است پس از بررسی 3780 مدل متفاوت انتخاب گردید. نتایج نشان داد که مدل توسعه داده‌شده می‌تواند با دقت بالایی مقادیر ساعتی SDE را برآورد کند (19/1 =MAPE، 6/1 % =RMSE، 84/0= R) و به‌عنوان یک روش قابل اتکاء در ارزیابی عملکرد سامانه‌های آبیاری بارانی استفاده شود.