ارزیابی مدل های سری زمانی خطی و غیر خطی بی لینییر در پیش بینی تبخیر- تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه

اسناد مشابه

• ارزیابی و مقایسه روش های ترکیبی به منظور پیش بینی تبخیر-تعرق گیاه سیر

  مقالهiran agricultural researchs. m. seyedian، university of gonbad-kavous, m. farasati، razi university, o. bahmani، bualisina university, j. sajad

  چکیده- روش­های زیادی برای تخمین تبخیر-تعرق وجود دارد که نتایج آن­ها در مناطق مختلف، متفاوت است. در این تحقیق ابتدا تبخیر-تعرق گیاه سیر توسط لایسیمتر اندازه­گیری شد و با 13 روش مختلف مقایسه گردید تا بهترین روابط تعیین گردد. هدف اصلی این تحقیق بررسی توانایی روش­های ترکیبی به منظور

• ارزیابی مدل‌های سری زمانی خطی و غیر خطی بی‌لینییر در پیش بینی تبخیر- تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه

  مقاله۲۰۱۵پژوهش آب در کشاورزیجواد بهمنش، سینا بشارت، مجید منتصری، نسرین آزاد طلاتپه

  پیش­بینی تبخیر-تعرق گیاه مرجع یکیاز مهمترین عناصردر بهینه سازی مصرف آب کشاورزی است. یکیازروش­هایپیش­بینی مقادیرتبخیر-تعرق گیاه مرجعاستفاده از مدل­های استوکاستیکسری زمانیاست. دراینپژوهشمدل­های خطی AR(p) و ARMA(p,q) به همراه مدل غیر خطی بی­لینییر درپیش­بینی مقادیر ماهانهتبخیر-تعرق

• پیش بینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی gmdh

  مقالهپژوهش های حفاظت آب و خاکمسعود کرباسی، هیات علمی دانشگاه زنجان

  سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم ترین مسائل در طرح های آبیاری و زهکشی و منابع آب به شمار می رود. یکی از این مسائل که می تواند در راستای اهداف ذکرشده اعمال شود، پیش بینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه ریزی

• پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی

  مقالهپژوهش آب در کشاورزیمسعود کرباسی، استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان.

  تبخیر-تعرقمرجع یکی ازمهم ترین و مؤثرترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریتمنابع آب می باشد. در سال های اخیر استفاده از روش های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش های anfis و موجک-

• ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع

  مقاله۲۰۰۹دانش آب و خاکحمید زارع ابیانه، عادل قاسمی، مریم بیات ورکشی، کوروش محمدی

  در این تحقیق، کارائی دو نرم­افزارشبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق گیاه مرجع (et0) بررسی گردید. بدین منظور از داده­های 2 سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرم­افزار مرسوم ns وnw با قابلیت به­کارگیری آلگوریتم­های متفاوت، به­کار رفت. جهت ارزی

• ارزیابی کارایی مدل سری CMIP5 در شبیه‏ سازی و پیش ‏بینی پارامترهای اقلیمی بارندگی، دما و سرعت باد (مطالعۀ موردی: استان یزد)

  مقاله۲۰۱۸پژوهش های جغرافیای طبیعیحسن خسروی، طیبه مصباح زاده، قاسم مرتضایی فریزهندی، محسن محسنی ساروی

  ایران جزو کشورهایی است که ضریب تأثیرپذیری آن از تغییرات اقلیمی بالاست. امروزه، تغییرات پارامترهای اقلیمی به وسیلة مدل‏های گردش کلی جو بررسی می‏شود. نسخه‏های گوناگونی از این مدل‏ها منتشر شده است؛ آخرین نسخة آن مدل‏های سری CMIP5 است. مدل‏های CMIP5، که در گزارش پنجم ارزیابی تغییر اق