مقایسه رگرسیون و شبکه‌های عصبی مصنوعی در برآورد ابعاد پیاز رطوبتی با آب معمولی و مغناطیسی

نویسندگان

1 دانش‌آموخته کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

2 استادیار گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

3 استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

4 استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت و گروه پژوهشی مهندسی آب و محیط زیست، پژوهشکده حوزه آبی دریای خزر ، رشت، ایران

doi
چکیده

داشتن اطلاعات دقیق از عرض و عمق خیس شده خاک در زیر هر قطره‌چکان برای طراحی و مدیریت دقیق سامانه‌های آبیاری قطره‌ای ضروری است. در این تحقیق مقادیر عمق و حداکثر عرض خیس شده خاک تحت آبیاری قطره‌ای سطحی و زیرسطحی با آب معمولی و مغناطیسی با استفاده از مدل رگرسیون ساده خطی و چند گانه و شبکه‌های عصبی مصنوعی شبیه‌سازی شد. از داده‌های اندازه‌گیری شده در خاک با بافت لوم‌رسی که با سه تکرار در گلخانه مزرعه تحقیقاتی دانشگاه زنجان انجام گرفته بود استفاده شد. نتایج نشان داد که عملکرد رگرسیون ساده خطی و دو روش رگرسیون چندگانه شوارتزمن و زور (1986) و میرزایی و همکاران (1387) در تخمین عمق خیس شده در روش آبیاری قطره‌ای سطحی با آب معمولی بهتر بود (988/0=r و m011/0=RMSE). اختلاف مقادیر تخمینی با روش‌های شوارتزمن و زور (1986) و میرزایی و همکاران (1387) در عمق خیس شده با آب مغناطیسی در آبیاری قطره‌ای سطحی (974/0=r و  m014/0=RMSE) و حداکثر عرض خیس شده در آبیاری قطره‌ای سطحی با آب معمولی (950/0=r و m028/0=RMSE) و مغناطیسی (976/0=r و  m023/0=RMSE) با مقادیر واقعی اندک بود. در بین مدل‌های شبکه‌های عصبی مصنوعی، مدل پرسپترون چند لایه نسبت به مدل تابع پایه شعاعی عملکرد بهتری داشت.