مقایسه رگرسیون خطی و شبکه‌های عصبی در برآورد ابعاد پیاز رطوبتی در اراضی شیب‌دار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 1- دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه گیلان

2 استادیار آبیاری و زهکشی گروه مهندسی آب دانشگاه گیلان

3 کارشناس ارشد مهندسی آبیاری و زهکشی، مدیر عامل شرکت مهندسین مشاور سامان آبراه

4 کارشناس ارشد مهندسی آبیاری و زهکشی، اداره جهاد کشاورزی شهرستان پارس آباد

چکیده

به منظور مقایسه رگرسیون خطی و شبکه­های عصبی مصنوعی در برآورد ابعاد پیاز رطوبتی در سامانه آبیاری قطره­ای در اراضی شیب­دار، آزمایشاتی با قطره­چکان­ دارای دبی ثابت 4 لیتر در ساعت در مدت زمان­های آبیاری 4، 6، 8، 10 و 12 ساعت در اراضی با شیب‌های صفر، 5، 15 و 25 درصد با بافت خاک لوم­سیلتی در منطقه فتحعلی دشت مغان در چهار تکرار انجام گرفت. نتایج مقایسه ای تخمین عمق پیاز رطوبتی با آماره­هایR2 و EF و RMSE  در روش شبکه عصبی مصنوعی پرسپترون چند لایه به ترتیب برابر 98/0 و 98/0 و 07/1 سانتی متر و در روش رگرسیون خطی چندگانه به ترتیب 93/0 و 93/0 و 1/2 سانتی متر به دست آمد. هم­چنین نتایج مقایسه این دو روش از نظر تخمین نیمرخ خاک خیس شده بر اساس آماره­هایR2 و EF و RMSE که به ترتیب برابر 99/0، 99/0 و 16/22 سانتی متر مربع، و هم­چنین 93/0، 93/0 و 77/74 سانتی­متر مربع به دست آمد، نشان داد روش شبکه عصبی مصنوعی پرسپترون چند لایه نسبت به روش رگرسیون خطی چندگانه مناسب­تر بود. اما نتایج مقایسه روش شبکه عصبی مصنوعی پرسپترون چند لایه و روش رگرسیون خطی چندگانه از نظر تخمین مساحت خیس شده سطح خاک بر اساس آماره­هایR2، EF و RMSE که بترتیب برابر 90/0، 90/0 و 44/126 سانتی­متر مربع، هم­چنین 99/0، 99/0 و 22/18 سانتی­متر مربع به دست آمد نشان داد که از این نظر روش رگرسیون خطی چندگانه نسبت به روش شبکه عصبی مصنوعی پرسپترون چند لایه مناسب­تر بود.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of Linear Regression and Neural Networks to Estimate the Wetting Dimensions on Sloping Lands

نویسندگان [English]

  • Mehdi Tamjid 1
  • MH Biglouei 2
  • MR Khaledian 2
  • َAlireza Moridnejad 3
  • Adel Mohammadi 4
چکیده [English]

The aim of this study was to compare the linear regression and neural networks methods in estimation of the wetting dimensions in the drip irrigation systems on sloping lands. Experiments were performed with a constant flow rate of 4 L.hr-1 with five irrigation duration times of 4, 6, 8, 10 and 12 hours on the lands with sloping of 0, 5, 15 and 25 percent on a silty loam soil in Moghan Fathali plain region at four replications . The Results of the estimation of the wetting front depth by means of statistical indices of R2, EF and RMSE, using multi-layer perceptron neural networks were 0.98 and 0.98 and 1.07 cm, respectively and using multiple linear regression method were 0.93 and 0.93 and 2.1 cm, respectively. The comparison results of these mentioned methods for estimating area of wetted soil profile using statistical indices of R2, EF and RMSE, were 0.99, 0.99 and 22.16 cm2, also 0.93, 0.93 and 74.77 cm2, respectively. So, the multi-layer perceptron neural network was more suitable for the estimation depth of the wetting front and area of wetted soil profile than the multiple linear regression method. However, Results of comparison between multi-layer perceptron neural networks and multiple linear regression methods for the estimation of the wetted soil surface area using statistical indices of R2, EF and RMSE, were 0.99, 0.99 and 18.22 cm2, also 0.90, 0.90 and 126.44 cm2 respectively, showed that the multiple linear regression was more appropriate than the multi-layer perceptron neural networks.

کلیدواژه‌ها [English]

  • Drip Irrigation
  • Linear Regression
  • Neural Networks
  • Soil wetting dimensions
  • Wetting pattern
تیشه زن پ، و موسوی س، 1385. بررسی پیش­روی جبهه رطوبتی تحت منبع نقطه­ای در خاک­های مطبق با سطوح شیب­دار. همایش ملی مدیریت شبکه­های آبیاری و زهکشی. 12-14 اردیبهشت 1385. دانشگاه شهید چمران اهواز.
حلبیان ا ح، 1388. پیش آگاهی و برآورد بارش با استفاده از شبکه های عصبی مصنوعی. نشریه تحقیقات کاربردی علوم جغرافیایی، جلد 11، شماره 14، صفحه­های 7 تا 28.
میرزایی ف، 1386. یک مدل ساده برای برآورد سطح خیس شده در آبیاری قطره­ای با استفاده از تکنیک آنالیز ابعادی. سمینار علمی طرح ملی آبیاری تحت فشار و توسعه پایدار، 2 اسفند ماه. مؤسسه تحقیقات اصلاح و تهیه نهال بذر، کرج.
نصیری ش، 1389. تعیین معادلات تجربی جهت برآورد ابعاد جبهه رطوبتی تحت آبیاری قطره­ای در خاک­های متوسط شنی. پایان­نامه کارشناسی ارشد. دانشگاه آزاد واحد کرمان.
نوابیان م.، ع. م. لیاقت و م. همایی .1382. تخمین هدایت هیدرولیکی اشباع با استفاده ازتوابع انتقالی. مجله علمی پژوهشی تحقیقات مهندسی کشاورزی موسسه تحقیقات فنی و مهندسی کشاورزی. جلد 4. شمازه 16. صفحه­های 1 تا 11.
وفائیان م، 1371. خواص مهندسی خاک. انتشارات ارکان اصفهان، صفحه 337.
Dabral PP, Pandey PK, Pandey A, Singh KP and Sanjoy Singh M, 2011. Modelling of wetting pattern under trickle source in sandy soil of Nirjuli, Arunachal Pradesh (India). Irrig Sci. 30(4): 287-292.
Haverkamp R, PJ Ross, KRJ, Smetten and JY Parlange, 1994. Three-dimensional analysis of infiltration from the disc infiltrometer. 2. Physically based infiltration equation. Water Resource Research. 30: 2931-2935.
Hinnel AC, Lazarovitch N, Furman A, Poulton M And Warrick AW, 2010. Neuro-Drip: estimation of subsurface wetting patterns for drip irrigation using neural networks. Irrig Sci. 28: 535–544.
Jamieson PD, Porter JR, Wilson DR, 1991. A test of the computer simulation model ARC-WHEAT1 on wheat crops grown in New Zealand. Field Crops Research 27: 337–350.
Lassabatere L, Angulo-Jaramillo R, Soria ugalde JM, Cuenca R, Braud I and Havre kamp R, 2006. Beerkan estimation of soil transfer parameters through infiltration experiments. Soil Sci Soc Am J 70: 521-532.
Malek K. and Troy Peters R, 2011. Wetting Pattern Models for Drip Irrigation: New Empirical Model. J Irrig Drain Engin. 137(8): 530-536
M Kandelous M and Simunek J, 2009. Comparison of numerical, analytical, and empirical models to estimate wetting patterns for surface and subsurface drip irrigation. Irrig Sci 28: 435–444.
Molavi A, Sadraddini AA, Nazemi AH and Fakheri Fard A, 2012. Estimating wetting front coordinates under surface trickle irrigation. Turk J Agric For 36: 729-737.
Neshat A and nasiri s, 2012. Finding the optimized distance of emitters in the drip irrigation in loam-sandy soil in the Ghaeme Abad Plain of Kerman, Iran. Middle-East J of Sci Res. 11 (4): 426-434.
Ramah K, Santhi P and Thiyagarajan G, 2011. Moisture distribution in drip irrigated maize based cropping system. Madras Agric J 98 (1-3): 51-55.
Thabet M and Zayani K, 2008. Wetting patterns under trickle source in a loamy sand soil of South Tunisia. American-Eurasian J Agric Environ Sci 3: 38–42.
Willmut C J, 1982. Some comments on the evaluation of model performance. Bull.Am. Meteorol Soc 63(11): 1309–1313.