ارزيابي شبكه‌هاي عصبي و منطق فازي در شبيه‌سازي نفوذ آب در جويچه‌هاي بازساز‌ي‌شده و غيربازسازي‌شده در مزارع نيشكر

نيشكر از جمله گياهان پر مصرف از نظر آبياري است كه در استان خوزستان و به روش جويچه‌اي بازسازي شده و غيربازسازي شده آبياري مي‌شود. عمده تلفات در اين روش به صورت نفوذ انجام مي‌شود ليكن اندازه‌گيري نفوذ در هر مزرعه بسيار زمان‌بر و پرهزينه است. بنابراين ارائه روشي آسان و سريع براي تعيين و مديريت نفوذ در اين مزارع بسيار حائز اهميت است. بنابراين، در تحقيق حاضر به ارزيابي دو روش شبكه عصبي و منطق فازي در شبيه‌سازي نفوذ آب در 5 كشت و صنعت نيشكر در استان خوزستان پرداخته شد. شبكه عصبي با 12 سناريو (دو تابع فعال LogSig و TanSig با 3، 5 و 7 نرون در لايه پنهان) و روش منطق فازي با 8 سناريو (دو تابع عضويت TriMF و GaussMF با 2 و 3 تابع عضويت براي هر ورودي) مورد مطالعه قرار گرفتند. نتايج نشان داد كه روش شبكه عصبي با تابع فعال LogSig به همراه 5 نرون لايه پنهان، خطا ( m3.m 0.112=RMSE)، دقت (0.037=NRMSE) و كارايي (0.99=EF و 0.99=d) مناسبي براي شبيه‌سازي نفوذ در جويچه‌هاي بازسازي شده داشت. روش شبكه عصبي با تابع فعال TanSig با 5 نرون در لايه پنهان نيز خطا (m3.m 0.120=RMSE)، دقت (0.11=) و كارايي (0.99EF=NRMSE و 0.99=d) لازم براي شبيه‌سازي نفوذ در جويچه‌هاي غيربازسازي شده داشت. روش منطق فازي براي شبيه‌سازي در جويچه‌هاي غيربازسازي شده دقت و كارايي پاييني داشت ولي تابع عضويت TriMF 2 خطا ( m3.m 1.13=RMSE)، دقت (0.052=NRMSE) و كارايي (0.98 =EF و 0.99=d) قابل قبول را براي شبيه‌سازي نفوذ در جويچه‌هاي بازسازي شده داشت. براساس مقايسه نتايج كليه سناريوها، روش دقت شبكه‌هاي عصبي نسبت به منطق فازي 82 درصد بهتر بود.