توسعه مدل شبكه عصبي برآورد تبخير-تعرق واقعي گياه در يك سامانه كشت هيدروپونيك

توسعه سامانه‌هاي آبياري هوشمند با هدف تأمين به‌هنگام و به ميزان مورد نياز آب گياه يك راهبرد مهم براي افزايش كميت و كيفيت محصولات كشاورزي با حداقل مصرف آب مي‌باشد. از طرفي تعيين ميزان آب مورد نياز گياه تا حد زيادي به برآورد دقيق تبخيرتعرق در پوشش گياهي وابسته است. در اين تحقيق از مدل شبكه عصبي براي برآورد تبخيرتعرق در يك سيستم كشت دوار هيدروپونيك كاهو در فضاي بسته استفاده شد. مدت زمان كشت 30 روز و بازه هاي زماني داده برداري 10 دقيقه بود. تبخيرتعرق واقعي گياه كاهو در سيستم كشت هيدروپونيك مذكور در راستاي طراحي سامانه آبياري به كمك مدل منطق فازي برآورد گرديد و با توجه به نتايج مطلوب حاصل از ارزيابي محصول كاشته شده و آب مصرفي، كارايي آن به اثبات رسيد. لذا از آن به عنوان معياري براي اعتبارسنجي مدل شبكه عصبي اين پژوهش استفاده شد. تعداد داده براي مدل شبكه عصبي حدود 4500 بوده كه به طور تصادفي به سه قسمت، 70درصد( آموزش)، 15درصد( ارزيابي) و 15درصد (آزمون) تقسيم گرديد. به منظور يافتن مناسب ترين معماري شبكه عصبي، ساختارهاي مختلفي ارزيابي شد. بهترين نتيجه در الگوريتم BR با سه لايه پنهان و توپولوژي 10108 و نيز تابع انتقال tansig در تمامي لايه ها، به دست آمد. براي اين ساختار، خطا مطلق و ضريب تعيين به ترتيب0.43 و 99.98 درصد تعيين گرديد. همچنين در شبكه يك لايه با توجه به سادگي، الگوريتم BR با يك لايه پنهان با تعداد 8 نرون و تابع انتقال logsig در لايه پنهان و تابع tansig در لايه خروجي به عنوان بهترين مدل انتخاب شد. خطا مطلق و ضريب تعيين اين تركيب به ترتيب 0.79 98.84 درصد به دست آمد. با توجه آناليز حساسيت،رطوبت و دما به ترتيب به عنوان مهمترين پارامترهاي مؤثر در پيش بيني تبخيرتعرق حاصل شدند.