مقایسه عملکرد دو روش برنامه ریزی بیان ژن و شبکه عصبی مصنوعی به منظور تخمین ضریب یکنواختی توزیع آب در آبیاری بارانی

تاثیر مهمی بر کیفیت و بازده سرمایه گذاری در پروژه های آبیاری دارد. اندازه گیریبارانی ثابت از روی نتایج یک آبپاش منف رد با توجه به در نظر گرفتن هم پوشانی آبپاش های مجاور وفاصله آبپاش ها روی لوله های ،(hr) ارتفاع پایه آبپاش ،(p) در مقادیر مختلف فشار کارکرد آبپاشبرای cu ، امری زمان بر می باشد. در این پژوهش (sm) و فاصله لوله های جانبی از یکدیگر (sl) جانبی3 اتمسفر )، 16 تیمار / 3 و 5 ،2/5 ، در 4 تیمار فشارکارکرد ( 2 ka- و 6 aq- آبپاش های مدل 20،15×18 ،15×15 ،15×12 ،15×9 ،18×18 ،18×15 ،18×12 ،18× شامل ( 9 (sl×sm) فواصل آبپاش ها، 9 متر)، 4 تیمار ارتفاع پایه آبپاش ( 60 × 9 و 18 ×15 ،9×12 ،9×9 ،12×18 ،12×15 ،12×12 ،12×9120 و 150 سانتی متر) و 3 تیمار آرایش آبپاش ها (مربعی، مستطیلی و مثلثی) در شرایط باد آرام ،90cu 0-2 متر بر ثانیه) در ایستگاه تحقیقات پنبه هاشم آباد گرگان اندازه گیری شد . ب ه منظور برآورد )sm و sl ،hr ،p ،(ann) و شبکه عصبی مصنوعی (gep) براساس روش های برنامه ریزی بیان ژنبه عنوان پارامترهای ورودی در نظر گرفته شدند با مقایسه آماری نتایج محاسباتی، ریشه میانگین مربعات خطا (rmse) برای روش های gep و ann در آبپاش aq- 20 برابر 0.06 و 0.062 و در آبپاش ka- 6 نیز به ترتیب برابر 0.067 و 0.064 به دست آمد که این امر بیانگر دقت بالا هر دو روش gep قادر به ار ای ه رابطه ای صریح برای تخمین ضریب در مدل سازی است . از آن جایی که مدلیکنواختی است، جنبه کاربردی بیش تری دارد.