تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی
Authors
Abstract:
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، رطوبت نسبی میانگین، سرعت باد در ارتفاع دو متری و ساعات آفتابی از ایستگاه هواشناسی فرخشهر بین سالهای 2013-2004 می باشند. برای ارزیابی مدلها از مدل پنمن مونتیث فائو استفاده گردید. مدل شبکه عصبی یک شبکه پیشخور با الگوریتم آموزشی لونبرگ مارکوات و تابع لوگ سیگموئید در لایه پنهان و تابع خطی در لایه خروجی میباشد. در بین سناریوهای مورد بررسی، سناریو یک با تمام متغیرهای ورودی کمترین خطا باRMSE=0.3422 برای شبکه عصبی و RMSE=.3611 برای مدل درختی M5 بهترین عملکرد را داشت. نتایج نشان داد اگرچه مدل شبکه عصبی دقت بهتری نسبت به مدل درختیM5 دارد ولی مدل درختی روابط ساده، خطی و قابل فهمتری را ارائه میکند. بنابراین این تحقیق مدل درختی را برای برآورد تبخیر و تعرق در این منطقه توصیه میکند.
similar resources
ارزیابی شبکه عصبی مصنوعی و مدلهای فیزیکی تجربی تخمین تبخیر- تعرق گیاه مرجع در آب‌وهوای نیمه‌خشک
full text
بهبود دقت روش هارگریوز در برآورد تبخیر- تعرق مرجع به کمک ضریب اصلاحی با مدل شبکه عصبی مصنوعی و درخت تصمیم M5
تبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژی است که مدلسازی آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت برآورد تبخیر- تعرق روش هارگریوز به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فائو به روش هارگریوز می باشد. داده های مورد استفاده این تحقیق عبارت از دمای حداکثر و ح...
full textکاربرد تلفیقی شبکه عصبی و روش های محاسباتی جهت تخمین دقیق تر تبخیر-تعرق مرجع
در بسیاری از مسائل آبیاری و زهکشی، هیدرولوژی، محیط زیستی، فرسایش خاک و منابع آب تخمین دقیق تر تبخیر-تعرق اهمیت زیادی دارد. استفاده از شبکه عصبی مصنوعی یکی از روش های تخمین تبخیر-تعرق مرجع میباشد. تاکنون در بیشتر مقالات منتشر شده داده های اقلیمی به عنوان ورودی شبکه عصبی جهت تخمین تبخیر-تعرق مرجع مورد استفاده قرار گرفته است. در این تحقیق از تبخیر-تعرق محاسبه شده بوسیله روش های محاسباتی هارگریوز ...
full textمقایسه روشهای سری زمانی و شبکه عصبی مصنوعی در پیشبینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)
تبخیر-تعرق یکیازمؤلفههایمهمدرمصرفمنابعآب در بخش کشاورزیمیباشد. لذا ارائه روشی که پیشبینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، میتواند در اخذتصمیم بهینهبرایبرنامهریزی منابع آب کمککند. دراینتحقیق،روشهای سری زمانی و شبکههای عصبی مصنوعی درپیشبینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدلهای A...
full textMy Resources
Journal title
volume 2 issue 3
pages 35- 44
publication date 2016-11
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023