تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
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.
منابع مشابه
ارزیابی شبکه عصبی مصنوعی و مدلهای فیزیکی تجربی تخمین تبخیر- تعرق گیاه مرجع در آب‌وهوای نیمه‌خشک
متن کامل
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...
متن کاملکاربرد 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 ...
متن کاملمقایسه 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...
متن کاملمنابع 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 2 شماره 3
صفحات 35- 44
تاریخ انتشار 2016-11
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 برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023