تخمین میزان نفوذ آب در آبیاری جویچه‌ای با استفاده از مدل‌های تجربی و آماری

در مدیریت آبیاری سطحی، تابع نفوذ از اهمیت زیادی برخوردار است. معادلات ریاضی که تاکنون برای نفوذ توسعه یافته‌اند، توابع تک متغیره‌ای از زمان فرصت نفوذ می‌باشند. در این تحقیق پیش بینی متوسط میزان نفوذ در آبیاری جویچه‌ای توسط مدل‌های شبکه عصبی، عصبی-‌فازی به‌عنوان مدل‌های تجربی و مدل رگرسیونی به عنوان مدل آماری با استفاده از رطوبت اولیه‌ی خاک و دبی ورودی به جویچه مورد بررسی قرار گرفت. به همین منظور از یک سری آزمایش‌های صحرایی که به روش آبیاری جویچه‌ای در پنج مزرعه آزمایشی گلمکان مشهد، توتون ارومیه، مرکز تحقیقات کشاورزی صفی آباد دزفول، دانشگاه بیرجند و موسسه اصلاح بذر کرج در طی دوره‌ی زمانی تابستان 1375 تا تابستان 1395 انجام شده بود و دارای طیف گسترده ای از نظر بافت خاک (سبک، متوسط و سنگین) بودند استفاده شد. برای تعیین عوامل معادله‌ی نفوذ کوستیاکوف لوییس از روش بیلان حجم در آبیاری جویچه‌‌ای استفاده گردید. نتایج نشان داد که دقت مدل رگرسیونی در خاک‌های سنگین در مقایسه با خاک‌های متوسط و سبک بیشتر است. مدل شبکه‌های عصبی در خاک‌های متوسط (silty clay loam) دقت مناسبی دارند و در خاک‌های سنگین (clay loam) تمایل به بیش برآورد و در خاک‌های نسبتا سبک (silty loam) تمایل به کم برآورد دارند. اما سیستم استنتاج فازی عصبی قادر است قابلیت تخمین را در تمام شرایط حفظ کند که این امر نشان از دقت بیشتر و قابلت تخمین زیاد سیستم استنتاج فازی عصبی دارد.