شبیه‌سازی و مقایسه‌ی تبخیر و تعرق پتانسیل به روش‌های شبکه عصبی مصنوعی، نروفازی ودرخت تصمیم‌گیریM5 (مطالعه موردی؛ ایستگاه سینوپتیک شیراز )

Authors

  • اعظم بزاز دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
  • لمیا نیسی دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
Abstract:

تخمین صحیح تبخیر‌ و تعرق در طراحی، مدیریت سیستم‌های آبیاری و زهکشی از اهمیت زیادی برخوردار است. یکی از روش‌های تخمین تبخیر و تعرق، که در حل این مسائل و پیش‌بینی آن کاربرد زیادی دارد، روش‌های نروفازی (ANFIS)، شبکه‌های عصبی مصنوعی (ANNs) و درخت تصمیم‌گیری M5 می‌باشند. هدف از این تحقیق، بررسی کارایی روش‌های مذکور در برآورد تبخیر و تعرق مرجع در ایستگاه هواشناسی شیراز می‌باشد، بدین منظور داده‌های هواشناسی روزانه 5 ساله ایستگاه مذکور به‌عنوان ورودی مدل‌ها انتخاب شدند. برای اجرای مدل شبکه عصبی مصنوعی، مدل نرو فازی و درخت تصمیم‌گیری M5 به‌ترتیب از نرم افزارهای Qnet2000، MATLAB و WEKAاستفاده گردید. جهت ارزیابی نتایج مدل‌های ذکر شده ریشه میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و معیار میانگین قدرمطلق خطای نسبی (MAE) استفاده شد. نتایج حاصل از مدل شبکه عصبی مصنوعی و مدل انفیس به کمک شاخص های آماری R2، RMSEو MAEبه ترتیب برابر با 999/0 ، 0009/0و 00000139/0- و 999/0، 001855/0و 00119/0- به‌دست آمد، که نشان از دقت بالای هر دو مدل در شبیه سازی دارد. هم‌چنین مقدار ضریب همبستگیR2 ،RMSE و MAE مدل درخت تصمیم‌گیری بترتیب برابر 717/0 ، 1088/0 و 0387/0 محاسبه شدند که نشان دهنده‌ی کارایی مناسب مدل درختی M5 در پیش‌بینی میزان تبخیر و تعرق مرجع است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عملکرد شبکه‌های عصبی در بر‌آورد تبخیر و تعرق گیاه مرجع (مطالعه موردی: ایستگاه سینوپتیک اهواز)

تبخیر و تعرق یکی از پارامترهای مؤثر بر بیلان آبی حوضه‌های آبریز و از اجزای اصلی چرخه هیدرولوژیکی محسوب می­شود. به علت نیاز به برگ خریدهای اقلیمی مختلف و اثر متقابل این برگ خریدها برهم دیگر تبخیر و تعرق یک پدیده غیر­خطی و پیچیده می‌باشد. یکی از مراحل پیچیده در مدل‌سازی سیستم‌های غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب است. در این پژوهش امکان استفاده از شبکه‌های MLP,MNN و FF ب...

full text

پیش‌بینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH

سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم‌ترین مسائل در طرح‌های آبیاری و زهکشی و منابع آب به شمار می‌رود. یکی از این مسائل که می‌تواند در راستای اهداف ذکرشده اعمال شود، پیش‌بینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه‌ریزی‌های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل ...

full text

بررسی عملکرد شبکه های عصبی در بر آورد تبخیر و تعرق گیاه مرجع (مطالعه موردی: ایستگاه سینوپتیک اهواز)

تبخیر و تعرق یکی از پارامترهای مؤثر بر بیلان آبی حوضه های آبریز و از اجزای اصلی چرخه هیدرولوژیکی محسوب می­شود. به علت نیاز به برگ خریدهای اقلیمی مختلف و اثر متقابل این برگ خریدها برهم دیگر تبخیر و تعرق یک پدیده غیر­خطی و پیچیده می باشد. یکی از مراحل پیچیده در مدل سازی سیستم های غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب است. در این پژوهش امکان استفاده از شبکه های mlp,mnn و ff ب...

full text

مقایسه 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 15  issue 1

pages  255- 260

publication date 2019-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023