مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,070
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

582
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد عملکرد هیدرولیکی سیستم های آبیاری تحت فشار با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون ناپارامتری

صفحات

 صفحه شروع 769 | صفحه پایان 779

چکیده

 در این مطالعه به منظور برآورد شاخص های عملکرد هیدرولیکی سیستم آبیاری تحت فشار, جایگزینی مدل های هیدرولیکی با استفاده از مدل های آماری و شبکه عصبی مصنوعی مورد ارزیابی قرار گرفت. ضریب یکنواختی کریستیانسن به عنوان شاخص عملکرد هیدرولیکی, در نظر گرفته شد و با استفاده از یک الگوریتم, مقادیر این شاخص به صورت تابعی از ترکیب های مختلف فشار ورودی, تعداد خروجی ها, فاصله خروجی ها, ضریب زبری لوله, قطر داخلی, شیب, دبی اسمی خروجی ها, فشار کارکرد خروجی ها و توان معادله دبی خروجی ها محاسبه گردید (4320 ترکیب مختلف). دو مدل شبکه عصبی مصنوعی شامل شبکه پرسپترون چندلایه (MLP) و شبکه رگرسیون تعمیم یافته (GRNN) و نیز روش K نزدیک ترین همسایه (KNN) به عنوان یک مدل رگرسیون ناپارامتری برای شبیه سازی شاخص عملکرد هیدرولیکی لاترال ها مورد آزمون قرار گرفتند. نتایج نشان داد که مدل شبکه عصبی مصنوعی MLP قادر است با کمترین خطا (%2-3) مقادیر ضریب یکنواختی لاترال های آبیاری تحت فشار را با استفاده از مشخصات هیدرولیکی و فیزیکی لاترال برآورد نماید. عملکرد مدل GRNN نیز به ویژه در ارتباط با کل داده ها در سطح نسبتا مطلوبی ارزیابی گردید. اما روش KNN علیرغم شبیه سازی دقیق متوسط مقادیر CU, قادر به شبیه سازی دقیق انحراف استاندارد این مقادیر نبوده و خطای آن در مرحله آزمون بسیار بیشتر از دو مدل دیگر برآورد گردید. در روش KNN, کمترین مقدار شاخص های خطا مربوط به رگرسیون ناپارامتری با 10 و 15 همسایه می باشد. نتایج این مطالعه نشان داد که امکان ساده سازی مدل های پیچیده هیدرولیکی با جایگزینی کل یا بخشی از این مدل ها با مدل های ساده تر آماری و شبکه عصبی وجود دارد و این مساله با توجه به پیچیدگی مدل های هیدرولیکی, به ویژه در فرآیند بهینه سازی سیستم های آبیاری, می تواند مورد توجه قرار گیرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    آبابایی، بهنام، و وردی نژاد، وحیدرضا. (1392). برآورد عملکرد هیدرولیکی سیستم های آبیاری تحت فشار با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون ناپارامتری. آب و خاک (علوم و صنایع کشاورزی)، 27(4)، 769-779. SID. https://sid.ir/paper/141743/fa

    Vancouver: کپی

    آبابایی بهنام، وردی نژاد وحیدرضا. برآورد عملکرد هیدرولیکی سیستم های آبیاری تحت فشار با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون ناپارامتری. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1392؛27(4):769-779. Available from: https://sid.ir/paper/141743/fa

    IEEE: کپی

    بهنام آبابایی، و وحیدرضا وردی نژاد، “برآورد عملکرد هیدرولیکی سیستم های آبیاری تحت فشار با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون ناپارامتری،” آب و خاک (علوم و صنایع کشاورزی)، vol. 27، no. 4، pp. 769–779، 1392، [Online]. Available: https://sid.ir/paper/141743/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button