فهرست مطالب فصل اول مقدمه و کليات صفحه |
1-1-منحني رطوبتي خاک 1
1-1-1- کاربردهاي منحني رطوبتي 1
1-2-روشهاي مستقيم اندازه گيري منحني رطوبتي 3
1-2-1-دستگاه صفحات فشاري 3
1-3-1-شبکه عصبی مصنوعی 5
فهرست مطالب فصل دوم پيشينه تحقيق صفحه |
2-1-اهميت مدل کردن منحنيهاي هدایت هيدروليکي و نگهداشت آب 11
2-2- استفاده از توابع انتقالي براي خصوصيات هيدروليکي خاک 14
2-3-تخمين خصوصيات هيدروليکي از دادههاي نقشه خاک و پایگاه دادههای خصوصیات خاک 15
2-3-1- HYPRES پایگاه دادههای خصوصیات هیدرولیکی خاکهای اروپا 16
2-3-2- UNSODA پایگاه داده خا کهای غیر اشباع 18
2-3-2-1-کاربرد های معمول UNSODA 18
2-4-انواع توابع انتقالي 20
2-4-1- توابع انتقالي کلاسي 20
2-4-2- توابع انتقالي پيوسته 22
2-4-3- تقسیم بندی توابع انتقالی پیوسته و کلاسی 23
2-5-تقسيم بندي توابع انتقالي بر اساس روش برآورد 23
2-5-1-رگرسيون 24
2-5-2- توابع انتقالي رگرسيوني 25
2-5-3- توابع انتقالي بر پايه شبکههاي عصبي مصنوعي 28
2-5-3-1- کاربردهای شبکه عصبی مصنوعی در علوم خاک 29
2-5-3-2- کاربرد شبکه عصبی مصنوعی در تعیین منحنی رطوبتی خاک 31
2-6- ROSETTAتابع انتقالي بر پايه شبکه هاي عصبي مصنوعي 36
2-7- روش هسته ای برآورد منحنی رطوبتی خاک 38
2-7-1-1- کاربرد پرتو هاي ضعيف شده اشعه γ يا χ (روش هسته اي) در برآورد منحني نگهداشت آب خاک 39
2-7-1-2- تئوري اشعه γ تضعيف شده 39
2-7-1-3- خطاي برآورد رطوبت توسط روش هسته اي 40
2-7-2-توابع انتقالي از نوع STFs 44
2-8-معادلات هدايت هيدروليکي و منحني رطوبتي 45
فهرست مطالب فصل سوم مواد و روشها صفحه |
3-1-موقعيت محل نمونه برداري 48
3-2-خصوصيات زود يافت خاک 49
3-2-1-اندازه گيري بافت خاک 49
3-2-2 جرم مخصوص ظاهری خاک 49
3-2-3 -مواد آلي 49
3-2-4- کربنات کلسیم معادل 50
3-3-خصوصيت دير يافت خاک 50
3-3-1- منحني رطوبتي خاک 50
3-4- تعيين پارامترهاي تشکيل دهنده منحني رطوبتي با استفاده از RETC 52
3-5- مدل کردن پارامتریک و نقطهای منحنی رطوبتی با استفاده از روش رگرسیونی 52
3-6- مدل کردن پارامتریک و نقطه ای منحنی رطوبتی به کمک شبکه هاي عصبي مصنوعي 52
3-7-ارزيابي توابع انتقالي 55
فهرست مطالب فصل چهارم نتايج وبحث صفحه |
4-1-خصوصيات زود يافت خاک 57
4-2-رسم منحني رطوبتي خاک 60
4-3- مدل کردن نقطه ای منحنی رطوبتی خاک به دو روش سلسله مراتبی رگرسیونی و شبکه عصبی مصنوعی 66
4-4-مدل کردن پارامتریک منحنی رطوبتی خاک به دو روش سلسله مراتبی رگرسیونی و شبکه عصبی مصنوعی 72
4-5- ارزیابی مدل ها 78
4-5-1- ارزیابی مدلهاي منحنی رطوبتی خاک به صورت نقطهای 78
فهرست مطالب فصل پنجم نتيجه گيري و پيشنهادات صفحه |
4-5-2- ارزیابی مدلهاي منحنی رطوبتی خاک به صورت پارامتریک 90
نتيجه گيري 99
پيشنهادات 100
منابع مورد استفاده 101
فهرست جداول فصل دوم پيشينه تحقيق صفحه |
جدول 2-1) تعدادی از پروفیلهای خاک که قسمت عمده گروههای خاک را در بر می گیرد. 16
جدول2-2) خلاصهای از تعداد دادههای در HYPRES 17
جدول2-3) پارامترهای هیدرولیکی معادله معلم- ونگنوختن 17
جدول 2-4) توزیع کلاس های بافتی مختلف مورد استفاده در UNSODA 19
جدول2-5) برآورد پارامترهای هیدرولیکی خاک به سه روش مختلف 27
جدول 2-6) مقادیر ضرایب رگرسیونی و معادلات پارامتریک برای چهار نوع تابع انتقالی 28
جدول 2-7) متغیرهای ورودی شبکههای عصبی A، B و C 33
جدول2-8) برخی از پارامترهای هیدرولیکی خاک(اسکاپ 2001) 38
جدول 2-9) برخی از خصوصیات فیزیکی و شیمیایی دو خاک مورد آزمایش 43
جدول 2-10) معادلات رایج خصوصیات هیدرولیکی خاک ها 46
فهرست جداول فصل چهارم نتايج وبحث صفحه |
جدول4-1) خصوصیلت زود یافت 30 نمونه خاک از عمق 0 تا 25 سانتیمتر ، واقع در منطقه رباط کریم 57
جدول4-2) خصوصیات زود یافت 10 نمونه خاک از عمق 0 تا 25 سانتیمتر، واقع در منطقه روستای کردان 58
جدول4-3) خصوصیات زود یافت 30 نمونه خاک ازعمق 25 تا 40 سانتیمتر، واقع در منطقه رباط کریم 59
جدول4-4) مقدار رطوبت حجمی در مکشهای مختلف برای 30 نمونه خاک منطقه رباط کریم (عمق 0تا 25 سانتيمتر) 60
جدول4-5) مقدار رطوبت حجمی در مکش های مختلف برای 10 نمونه خاک روستای کردان (عمق 25 تا 40 سانتيمتر) 61
جدول4-6) مقدار رطوبت حجمی در مکش های مختلف برای 30 نمونه خاک منطقه رباط کریم 62
جدول 4-7) خصوصیات فیزیکی خاک مورد استفاده باي بوردي و همکاران 63
جدول4-8) مهمترین خصوصیات زود یافت مورد استفاده در تخمین غیر مستقیم ویژگیهای هیدرولیکی خاک 65
جدول 4-9) خصوصیات فیزیکی خاک مورد استفاده در این پژوهش 65
جدول4-10- پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 6 پارامتر ورودی 69
جدول4-11- پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 6 پارامتر ورودی 69
جدول 4-12) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 5 پارامتر ورودی 70
جدول4-13) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 5 پارامتر ورودی 70
جدول4-14) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 4 پارامتر ورودی 70
جدول4-15) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 4 پارامتر ورودی 71
جدول4-16) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 3 پارامتر ورودی 71
جدول4-17) پارامترهای آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 3 پارامتر ورودی 71
جدول4-18) پارامتر های تشکیل دهنده منحنی رطوبتی مدل ون گنوختن برای منطقه کردان 72
جدول4-19) پارامتر های تشکیل دهنده منحنی رطوبتی مدل ون گنوختن برای منطقه رباط کریم 72
جدول4-20) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 6 پارامتر ورودی 75
جدول4-21) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 6 پارامتر ورودی 76
جدول4-22) گزارش پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت پارامتریک در مرحله تست با 5 پارامتر ورودی 76
جدول4-23) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 5 پارامتر ورودی 76
جدول4-24) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 4 پارامتر ورودی 77
جدول4-25) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 4 پارامتر ورودی 77
جدول 4-26) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله تست با 3 پارامتر ورودی 77
جدول 4-27) پارامتر های آماری مدل شبکه عصبی مصنوعی برای منحنی رطوبتی به صورت نقطه ای در مرحله آموزش با 3 پارامتر ورودی 78
جدول 4-28) مقایسه عملکرد مدل های منحني رطوبتي به صورت نقطهاي با 6 ویژگی ورودی 88
جدول4-29) مقایسه عملکرد مدل های منحني رطوبتي به صورت نقطهاي با 5 ویژگی ورودی 88
جدول4-30) مقایسه عملکرد مدل های منحني رطوبتي به صورت نقطهاي با 4 ویژگی ورودی 89
جدول4-31) مقایسه عملکرد مدل های منحني رطوبتي به صورت نقطهاي با 3 ویژگی ورودی 89
جدول 4-32) مقایسه عملکرد مدل های منحني رطوبتي به صورت پارامتريک با 6 ویژگی ورودی 96
جدول 4-33) مقایسه عملکرد مدل های منحني رطوبتي به صورت پارامتريک با 5 ویژگی ورودی 96
جدول 4-34) مقایسه عملکرد مدل های منحني رطوبتي به صورت پارامتريک با 4 ویژگی ورودی 96
جدول 4-35) مقایسه عملکرد مدل های منحني رطوبتي به صورت پارامتريک با 3 ویژگی ورودی 97 |
فهرست اشکال فصل اول مقدمه و کليات صفحه |
شکل1-1) منحنی رطوبتی بافت های مختلف خاک 1
شکل 1-2) دستگاه صفحه فشاری 3
شکل 1-3)ساختار یک نرون بیولوژیکی 7
شکل 1-4)مدل ریاضی یک نرون تک ورودی 7
شکل 2-1 ) ساختار پایگاه دادههای HYPRES که در شش جدول جداگانه نشان داده شده 16
فهرست اشکال فصل دوم پيشينه تحقيق صفحه |
شکل 2-2) مثلث توزیع بافت خاک پایگاه داده های UNSODA 19
شکل 2-3) خصو صیات هیدرولیکی خاک سیلت لوم a. منحنی نگهداشت رطوبتی. b منحنی هدایت هیدرولیکی 21
شکل 2-4) ميانگين هندسي محاسبه شده خصوصيات هيدروليکي براي خاک سطح الارض با بافت سيلت- لوم 22
شکل 2-5 ) ساختار شماتیک کلی شبکه عصبی مصنوعی 29
شکل 2-6) اشکال و نمودار مقایسه برآوردهای تبخیر و تعرق به روش شبکه عصبی مصنوعی، روش لایسیمتری و روش پنمن 30 شکل 2-7 ) ساختار کلی شبکه عصبی مورد استفاده مینی يانگ 31
شکل2-8 ) ساختار کلی شبکه عصبی مصنوعی پاچبسکی و همکاران 32
شکل2-9 ) منحنی رطوبتی تخمینی به روش شبکه عصبی و روش تجربی آسولاین. 34
شکل2-10) پدیده پسماند رطوبتی با استفاده از روش شبکه عصبی در دو حالت خشک و مرطوب شدن 35
شکل 2-11) ساختار کلی شبکه عصبی تخمین زننده پارامترهای مدل بروکس کوری و ون گنوختن 36
شکل2-12) شماتيک مراحل عملياتي مدلهاي ROSETTA 37
شکل 2-13) تغییرات ضرایب تضعيف نسبت به تغییرات رطوبت خاک برای سه نوع منبع تولید اشعه گاما 40
شکل2 -14) شماتیک کلی روش هسته ای تخمین منحنی رطوبتی خاک 41
شکل 2-15) مقایسه دو روش سنتی و هسته ای الف خاک 1 42
شکل 2-15) مقایسه دو روش سنتی و هسته ای ب خاک 2 42
شکل2-16) الف،ب،ج بترتیب رابطه معکوس تخلخل با ظرفیت مزرعه 44
شکل 2-17) ضریب همبستگی مابین خصوصیات خاک و انعکاس طیفی در طول موج های مختلف 45
فهرست اشکال فصل سوم مواد و روشها صفحه |
شکل 3-1) موقعیت جغرافیایی محل نمونه برداری در محیط GIS 48
شکل3-2)دستگاه صفحات فشاری 51
شكل3-3) نمایی از محیط NeuroSolutions for Excel و مراحل آموزش شبکه عصبي مصنوعي 54
شکل 3-4) شکل ساده شبکه عصبی مصنوعي مورد استفاده در این پژوهش 55
فهرست اشکال فصل چهارم نتايج وبحث صفحه |
شکل 4-1) شکل رطوبت حجمی تخمین زده در مکش 0.1بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 81
شکل 4-2) شکل رطوبت حجمی تخمین زده در مکش 0.3 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 82 شکل 4-3) شکل رطوبت حجمی تخمین زده در مکش 0.5 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 83
شکل 4-4) شکل رطوبت حجمی تخمین زده در مکش 1 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 84
شکل 4-5) شکل رطوبت حجمی تخمین زده در مکش 5 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 85 شکل 4-6) شکل رطوبت حجمی تخمین زده در مکش 10 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 86
شکل 4-7) شکل رطوبت حجمی تخمین زده در مکش 15 بار با دو روش سلسله مراتبی شبکه عصبی مصنوعی و توابع رگرسیون 87
شکل 4-8) نمودار مقادیر اندازه گیری شده و تخمین زده شده پارامتر های ون گنوختن با دو روش رگرسیون با 6 ورودی 92
شکل 4-9) نمودار مقادیر اندازه گیری شده و تخمین زده شده پارامتر های ون گنوختن با دو روش شبکه عصبی مصنوعی و توابع رگرسیون با 5 پارامتر 93
فهرست علائم و اختصارات |
واحد |
علامت |
تعريف |
|
نيوتن برمتر |
б |
کشش سطحی |
|
سانتيمتر |
Ψm |
پتانسیل ماتریک |
|
بار |
h(θ) |
بار فشاری |
|
سانتيمتر مکعب بر ساتيمترمکعب |
θv |
رطوبت حجمی |
