جلد 22، شماره 2 - ( علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی- تابستان 1397 )
جلد 22 شماره 2 صفحات 382-373 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Heidari Z, Farasati M, Ghobadian R. Applicability of Support Vector Machine in Simulating Wetting Pattern under Trickle Irrigation. jwss 2018; 22 (2) :373-382
URL: http://jstnar.iut.ac.ir/article-1-3240-fa.html
URL: http://jstnar.iut.ac.ir/article-1-3240-fa.html
حیدری زینب، فراستی معصومه، قبادیان رسول. کاربرد ماشین بردار پشتیبان در شبیه‌سازی الگوی رطوبتی تحت آبیاری قطره‌ای. علوم آب و خاک. 1397; 22 (2) :373-382
1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی کرمانشاه، 2. گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه گنبد کاووس ، farasati2760@gmail.com
چکیده: (7697 مشاهده)
برای طراحی مقرون به صرفه و کارآمد سیستم‌های آبیاری قطره‌ای، اطلاع از گسترش عمودی و افقی جبهه رطوبتی تحت منبع نقطه‌ای ضروری است و مدیریت صحیح سیستم‌های آبیاری قطره‌ای، نیاز به آگاهی از نحوه توزیع آب در خاک دارد. عوامل بسیاری بر ابعاد الگوی رطوبتی تأثیرگذارند که از جمله این عوامل دبی، شیب زمین، زمان آبیاری و بافت خاک است. هدف از این تحقیق بررسی کاربرد ماشین بردار پشتیبان در شبیه‌سازی الگوی رطوبتی تحت آبیاری قطره‌ای است. پس از آماده‌سازی یک مدل فیزیکی از جنس پلاکسی گلاس با ابعاد مشخص و پر‌شده با خاک لوم رسی سیلتی، به‌منظور مقایسه داده‌های آزمایشگاهی و مدل ماشین بردار پشتیبان (SVM) در براورد ابعاد پیاز رطوبتی در سامانه آبیاری قطره‌ای در اراضی شیب‌دار، آزمایشاتی با قطره‌چکان دارای دبی‌های 2، 4، 6 و 8 لیتر در ساعت در مدت زمان آبیاری دو ساعت و 24 ساعت توزیع مجدد با شیب‌های 0، 5، 15 و 25 درصد با سه تکرار در آزمایشگاه آبیاری دانشگاه رازی انجام شد. در این تحقیق از شاخص‌های آماری R2، RMSE، MBE و MEF استفاده شد. مقادیر R2 برای پارامترهای عمق خیس‌شده، عرض و مساحت خیس شده به‌ترتیب برابر 96/0، 96/0 و 92/0 به‌دست آمد. با توجه به مقدار MBE، مدل SVM پارامتر عمق و عرض خیس‌شده سه درصد کمتر از مقدار واقعی تخمین زده و مساحت خیس شده را 04/2 درصد، کمتر از میزان واقعی شبیه‌سازی کرده است، همچنین با توجه به مقادیر MEF و RMSE، مدل SVM پارامتر مساحت خیس شده را با خطای بیشتری شبیه‌سازی کرده است. نتایج نشان داد که مدل SVM دارای قابلیت بالایی در براورد پارامترهای پیاز رطوبتی است.
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
