ارزیابی شبکه عصبی مصنوعی در برآورد سرعت پیشروی جبهه رطوبتی در سامانه آبیاری قطره‌ای

یکی از پارامترهای مهم در طراحی، مدیریت و اجرای سامانه های آبیاری قطره ای سطحی و زیرسطحی تخمین سرعت پیشروی جبهه رطوبتی در خاک است. از جمله پارامترهای تاثیرگذار در این پارامتر نوع خاک (بافت و ساختمان )، دبی قطره چکان و رطوبت اولیه خاک است. در این رابطه آزمایش‌ها در یک مدل پلکسی‌گلاس شفاف با ابعاد m 0/5× m1/22 ×m 3 و بر روی سه نوع بافت (متوسط، سنگین و سبک) به انجام رسید. قطره چکان‌ها در چهار عمق صفر (سطحی)، 15 (h1)، 30 (h2) و 45 (h3) سانتی متر مورد ارزیابی قرار گرفت. در این پژوهش، تیمارهای دبی قطره چکان‌ها با مقادیر 2/4 (q1)، 4 (q2) و 6 (q3) لیتر در ساعت اعمال شد. با در نظر گرفتن متغیرهای دبی قطره چکان، عمق نصب قطره چکان، زمان، هدایت هیدرولیکی اشباع، چگالی ظاهری خاک، رطوبت اولیه خاک و همچنین نسبت درصد شن، سیلت و رس روابطی برای تخمین سرعت پیشروی جبهه رطوبتی با استفاده از شبکه عصبی مصنوعی ارائه شد. نتایج مقایسه بین مقادیر شبیه سازی و اندازه گیری ‌شده نشان دادند که مدل شبکه عصبی با دقت بالایی سرعت پیشروی جبهه رطوبتی در خاک را در جهات مختلف برآورد می کند. مقادیر شاخص های میانگین ریشه دوم خطا (rmse) و میانگین خطای مطلق (mae) به ترتیب برای سرعت افقی از 0/09 تا 0/35 و 0/06 تا 0/17 و 0/02 تا 0/07 سانتی متر بر دقیقه و برای سرعت عمودی به بالا از 0/08 تا 0/25و 0/05 تا 0/12 سانتی متر بر دقیقه نوسان می کند. استفاده از این مدل ها در طراحی و اجرا می تواند باعث بهبود عملکرد این سامانه در آبیاری قطره ای سطحی و زیرسطحی شود.