ارزيابي شبكه هاي عصبي مصنوعي در برآورد پارامتريك جبهه پيشروي آب در آبياري نواري

ظهور تئوری های توانمند، مانند منطق فازی، شبكه های عصبی، الگوریتم ژنتیك، تحولی عظیم در تحلیل رفتار سیستم های دینامیك در علوم مختلف مهندسی آب ایجاد كرده است . آبیاری سطحی به دلیل سادگی و عدم نیاز به دستگاههای ویژه، از رایج ترین روشهای آبیاری به شمار می آید. سرعت پیشروی آب روی سطح خاك، یكی از عوامل مهم در طراحی و مدیریت آبیاری سطحی است و از رطوبت اولیۀ خاك، شیب، بافت خاك، ساختمان خاك، دبی ورودی و دمای آب تاثیر می پذیرد. رطوبت اولیۀ خاك موثرترین عامل بر فرآیند نفوذ است . تغییرات نفوذ نیز فرآیند پیشروی را تحت تاثیر قرار می دهد. درمدلهای ریاضی موجود پیش بینی پیشروی، مقدار نفوذ با استفاده از روابط تجربی كه فقط تابعی از زمان نفوذ می باشد محاسبه می شود. از اینرو، اثر تغییرات رطوبت در نیمرخ خاك بر نفوذ نادیده گرفته می شود. هدف از این پژوهش، بررسی اثر رطوبت اولیۀ خاك بر فرآیند پیشروی در خاكهای سنگریزه ای بود. برای این منظور، 8 نوار به طول 50 متر و عرض 150 سانتیمتر با شیب 0.5 درصد ایجاد گردید . در هر یك از نوارها، برای رطوبتهای اولیۀ 2 تا 48 درصد، پیشروی اندازه گیری و ثبت شد . ارتباط بین پارامترهای معادلۀ پیشروی و رطوبت اولیۀ خاك به شكل معادلات مختلف بدست آمد همچنین با استفاده از شبكه های عصبی انتشار برگشتی نسبت به آموزش و پیش بینی زمان پیشروی جبهه پیشروی آب اقدام گردید . نتایج نشان داد كه تغییرات رطوبت اولیه، تاثیری قابل توجه بر سرع ت پیشروی آب در نوار داشته و در نظر گرفتن تاثیر رطوبت اولیۀ خاك بر ضرایب معادلۀ پیشروی، موجب پیش بینی دقیق ترآن می شود. در نتیجه، برآورد زمان نفوذ در نقاط مختلف در طول نوار با خطایی كمتر قابل محاسبه می باشد. نتایج همچنین نشان داد كه شبكه های عصبی توانایی خوبی در پیش بینی زمان پیشروی داشته و در قایسه با روابط تجربی و رگرسیونی نتایج بهتری را ارائه می نماید.