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

نویسندگان

  • برومند نسب, سعید دانشگاه شهید چمران اهواز، اهواز
  • شکری, ساناز دانشگاه شهید چمران اهواز، اهواز
  • قربانی, مریم دانشگاه پیام نور ایران، تهران
چکیده مقاله:

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 برای تخمین تبخیر و تعرق گیاه مرجع مورد مطالعه قرار گرفته است و در این راستا از نرم­افزار MATLAB کمک گرفته شد. با استفاده از سری داده‌های هواشناسی سال‌های 93 – 1377 ایستگاه اهواز، ابتدا مقادیر متوسط تبخیر و تعرق روزانه گیاه مرجع از روش استاندارد فائوپنمن­مانتیث محاسبه شد، سپس با‌ استفاده از این مقادیر به‌عنوان خروجی‌های هدف، شبکه‌های مختلفی با ساختارهای متعارف تعریف و آموزش داده شد. درنهایت قابلیت شبکه برای تخمین تبخیر و تعرق با استفاده از قسمتی از داده‌ها که در طراحی و یا آموزش شبکه استفاده‌نشده است، موردبررسی قرار گرفت. با بررسی­ها انجام‌گرفته مشخص شد که تنها با استفاده از پارامتر دمای متوسط روزانه به‌عنوان ورودی، می‌توان میزان تبخیر و تعرق گیاه مرجع را با استفاده از سه نوع شبکه با دقت قابل قبولی تخمین زد. هم‌چنین با مقایسه نتایج حاصل از سه شبکه با آزمون‌های آماری مشخص شد که شبکه‌هایFF و MLP با R²بیش­تر نسبت به MNN در تعیین تبخیر و تعرق گیاه مرجع از دقت بیش‌تری برخوردار می‌باشند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

برآورد تبخیر و تعرق گیاه مرجع (ET0) در ایستگاه های سینوپتیک استان تهران

تبخیر و تعرق یکی از پارامترهای مهم در مباحث کشاورزی و هیدرولوژی است. از این رو برآورد دقیق آن می تواند سبب کاهش اتلاف منابع آب و مدیریت صحیح در برنامه ریزی گردد. در این پژوهش به منظور برآورد مقادیر تبخیر و تعرق گیاه مرجع (ET0) در ایستگاه­های سینوپتیک منتخب استان تهران، از روش استاندارد فائو پنمن مانتیث استفاده شد. بررسی ها نشان داد در صورت وجود دمای بالا، سرعت باد می تواند به عنوان م...

متن کامل

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 ...

متن کامل

ارزیابی مدل های تبخیر- تعرق گیاه مرجع برای اقلیم گرم و خشک (مطالعه موردی: ایستگاه سینوپتیک زاهدان)

سابقه و هدف: تبخیر- تعرق (ET) مهمترین پارامتر در مطالعات اقلیمی و هیدرولوژیکی همچنین در مدیریت و برنامه‌ریزی آبیاری می-باشد. برآورد تبخیر- تعرق مرجع (ETo) به روشی ساده، مورد توجه زیادی، به‌خصوص در کشورهای توسعه یافته، که در آن اطلاعات هواشناسی مورد نیاز برای روش استاندارد پنمن- مونتیث فائو (PMF-56) تاقص و یا در دسترس نمی‌باشد، قرار گرقته است. لذا هدف این تحقیق، ارزیابی و مقایسه 30 روش‌ مختلف بر...

متن کامل

مقایسه عملکرد شبکه‌های عصبی RBF و MLP در برآورد تبخیر و تعرق گیاه مرجع

تبخیر و تعرق یکی از اجزای اصلی چرخه‌ی هیدرولوژی است. این فرایند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه‌های عصبی مصنوعی در چند دهه‌ی اخیر و در مطالعات صورت گرفته برای مدل‌سازی سیستم‌های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده‌اند. در تحقیق حاضر امکان استفاده از شبکه‌های با تابع پایه‌ی شعاعی (RBF) و شبکه‌های پرسپترون چند لایه (MLP) برای تخمین تبخیر و تعرق گیاه مرجع مورد مطالع...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 8  شماره 2

صفحات  23- 34

تاریخ انتشار 2016-08

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023