تعيين بهره وري آب محصول گياه گندم در شبكه آبياري با استفاده از روش شبكه عصبي مصنوعي RBF و مدل هيدروديناميك در شرايط مختلف كمبود آب

شاخص بهره وري از شاخص هاي اساسي در تخمين عملكرد شبكه ها خصوصاً در شرايط كمبود آب مي باشد. براي اين منظور مي بايست با مدل هاي هيدروديناميك تعيين و پس از آن مدل هاي زراعي جهت تعيين ميزان محصول برداشت شده اجرا گردند. شبكه هاي عصبي مصنوعي با استفاده از تكنيك هوش مصنوعي اقدام به آموزش يك سيستم براي خود و از آن براي مدلسازي داده هاي واقعي استفاده مي كنند. در مقايسه با شبكه هاي عصبي مرسوم مانند MLP، روش RBF بدليل استفاده از تكنيك شعاعي و اجراي تابع فعال ساز در فاز اول مدلسازي نتايج را سريعتر و با دقت بيشتر ارائه مي دهند. در اين تحقيق، 675 سناريو تحت شرايط مختلف آبياري با استفاده از مدل Aquacrop به منظور آموزش و آزمون شبكه عصبي RBF مورد استفاده قرار گرفته اند. شبكه عصبي توسعه يافته براي تخمين ميزان محصول برداشت شده و مقدار ماده خشك محصول در شرايط مختلف آب در دسترس (100%، 80% و 60%)، براي يك بازه از شبكه عقيلي تنظيم شده است .با استفاده از اين روش ميزان بهره وري در سيزده آبگير كانال محاسبه شد. بهره-وري محاسبه شده به روش RBF در مقايسه با روش MLP ، براي سه سناريو آب دسترس به طور ميانگين به ترتيب و به ميزان 4.77، 5.16 و 5.75 درصد در سناريوهاي مختلف بهبود يافته است.