ارزیابی شبکه‌های عصبی و منطق فازی در شبیه‌سازی نفوذ آب در جویچه‌های بازساز‌ی‌شده و غیربازسازی‌شده در مزارع نیشکر

نیشکر از جمله گیاهان پر مصرف از نظر آبیاری است که در استان خوزستان و به روش جویچه‌ای بازسازی شده و غیربازسازی شده آبیاری می‌شود. عمده تلفات در این روش به صورت نفوذ انجام می‌شود لیکن اندازه‌گیری نفوذ در هر مزرعه بسیار زمان‌بر و پرهزینه است. بنابراین ارائه روشی آسان و سریع برای تعیین و مدیریت نفوذ در این مزارع بسیار حائز اهمیت است. بنابراین، در تحقیق حاضر به ارزیابی دو روش شبکه عصبی و منطق فازی در شبیه‌سازی نفوذ آب در 5 کشت و صنعت نیشکر در استان خوزستان پرداخته شد. شبکه عصبی با 12 سناریو (دو تابع فعال logsig و tansig با 3، 5 و 7 نرون در لایه پنهان) و روش منطق فازی با 8 سناریو (دو تابع عضویت trimf و gaussmf با 2 و 3 تابع عضویت برای هر ورودی) مورد مطالعه قرار گرفتند. نتایج نشان داد که روش شبکه عصبی با تابع فعال logsig به همراه 5 نرون لایه پنهان، خطا ( m3.m 0.112=rmse)، دقت (0.037=nrmse) و کارایی (0.99=ef و 0.99=d) مناسبی برای شبیه‌سازی نفوذ در جویچه‌های بازسازی شده داشت. روش شبکه عصبی با تابع فعال tansig با 5 نرون در لایه پنهان نیز خطا (m3.m 0.120=rmse)، دقت (0.11=) و کارایی (0.99ef=nrmse و 0.99=d) لازم برای شبیه‌سازی نفوذ در جویچه‌های غیربازسازی شده داشت. روش منطق فازی برای شبیه‌سازی در جویچه‌های غیربازسازی شده دقت و کارایی پایینی داشت ولی تابع عضویت trimf 2 خطا ( m3.m 1.13=rmse)، دقت (0.052=nrmse) و کارایی (0.98 =ef و 0.99=d) قابل قبول را برای شبیه‌سازی نفوذ در جویچه‌های بازسازی شده داشت. براساس مقایسه نتایج کلیه سناریوها، روش دقت شبکه‌های عصبی نسبت به منطق فازی 82 درصد بهتر بود.