آنالیز حساسیت داده های ورودی به شبکه عصبی مصنوعی به منظور برآورد مقدار تبخیر روزانه

آنالیز حساسیت داده‌های ورودی به شبکه عصبی مصنوعی به‌منظور برآورد مقدار تبخیر روزانه

برآورد مقادیر تبخیر برای مدیریت کارآمد منابع آب در مناطق با اقلیم نیمه خشک امری ضروری است. این مقاله کاربرد شبکه‌های عصبی مصنوعی، رگرسیون خطی چند متغیره و سه روش تجربی تعادل انرژی، آیرودینامیکی و ترکیبی پنمن را به‌منظور برآورد مقادیر تبخیر روزانه تشتک برای دو شهر تبریز و ارومیه مورد ارزیابی قرار داد. علاوه بر این آنالیز حساسیت به دو روش مشتقات جزئی و وزن‌های اتصالی برای تبیین میزان اثر هر پارام...

حساسیت سنجی دقت شبکه های عصبی مصنوعی به کمیت داده های ورودی و مقایسه آن با پیش بینی های ANFTSدر ساخت نمودارهای پتروفیزیکی مصنوعی

تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

آنالیز حساسیت روش های مختلف برآورد تبخیر با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی یک ابزار مناسبی برای مدل سازی فرایندهای پیچیده هیدرولوژیکی نظیر تبخیر می باشند. این مطالعه سه هدف را دنبال میکند. ابتدا تبخیر شهرهای تبریز و ارومیه با استفاده از داده های هیدرولوژیکی مربوطه با استفاده از شبکه های عصبی مصنوعی مدل سازی می شود سپس مدل های حاصل از شبکه عصبی با مدل های کلاسیک بکار رفته در این مطالعه یعنی مدل های تعادل انرژی، آیرودینامیکی، ترکیبی پنمن و رگرسیون خطی چند ...

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیم­شناسی است که اندازه­گیری و برآورد آن ضروری است. با توجه به این­که دمای خاک فقط در ایستگاه­های سینوپتیک کشور اندازه­گیری می­شود، کمبود آن در نقاط فاقد ایستگاه از چالش­های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

مقایسه عملکرد مدل‌های درختی و شبکه عصبی به منظور یافتن داده های گمشده تبخیر از تشت در استان خوزستان

داده‌های گمشده هواشناسی یکی از مشکلات پیش روی متخصصان و طراحان پروژه‌های منابع آب است و لازم است این نواقص آماری به طریقی برطرف گردد .روش‌های متعدد‌ی برای تخمین داده‌های گمشده وجود دارد. در این پژوهش کارایی دو مدل درختی و شبکه عصبی در مورد بازسازی داده‌های گمشده تبخیر روزانه 4 ایستگاه هواشناسی استان خوزستان مورد ارزیابی قرار گرفت. دوره آماری این تحقیق از سال 2005 تا 2008 بود و داده‌ها به دو دور...