برآورد تبخیر و تعرق مرجع با استفاده از سیستم استنتاج عصبی-فازی (مطالعه موردی شهرستان سنندج)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده کشاورزی
- نویسنده بهروز رضایی فر
- استاد راهنما پرویز فتحی مهرانه خدامراد پور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی- فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر و تعرق مرجع (eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه سال های 1389و1390 مربوط به ایستگاه هواشناسی سنندج استفاده شد. داده های مورد استفاده در این تحقیق، شامل دمای ماکزیمم، دمای مینیمم، رطوبت نسبی حداکثر، رطوبت نسبی حداقل، سرعت باد و ساعت آفتابی بوده و تبخیر و تعرق محاسبه شده به روش فائو پنمن مانتیث به عنوان خروجی استفاده شد. همچنین برآوردهای eto از روش های (anfis) و (ann) با مدل های تجربی ماکینک، پریستلی تیلور، فائو بلانی کریدل، هارگریوز سامانی و ریچی مقایسه شد. برای مقایسه کارائی روش-های مختلف از آماره های ریشه میانگین مجذور خطا(rmse)، ضریب کارائی (ce) و ضریب همبستگی (r)، میانگین قدر مطلق خطا (mae) استفاده گردید. نتایج نشان داد که روش های مبتنی بر شبکه های عصبی و سیستم استنتاج عصبی- فازی می توانند مقدار تبخیر و تعرق مرجع روزانه را با دقت بالایی برآورد نمایند. نتایج آنالیز حساسیت نشان داد که دمای ماکزیمم (tmax) به عنوان موثرترین پارامتر در برآورد تبخیر و تعرق مرجع می باشد. نتایج همچنین نشان داد که ترکیب منطق فازی با شبکه عصبی مصنوعی سبب بهبود نتایج شبکه عصبی مصنوعی نمی گردد و نتایج شبکه عصبی مصنوعی در برآورد تبخیر و تعرق با اختلاف ناچیز بهتر از روش عصبی-فازی بود. همچنین در کلیه ساختارهای مدل هوشمند عصبی، قانون آموزش لونبرگ -مارکوارت با تابع تانژانت منجر به نتایج دقیق تری نسبت به سایر توابع و قوانین آموزشی شد.
منابع مشابه
ارزیابی سیستم‌های استنتاج فازی جهت برآورد تبخیر تعرق مرجع ساعتی (مطالعه موردی: منطقه فریمان)
متن کامل
مدل سازی تبخیر-تعرق مرجع روزانه با استفاده از سیستم استنتاج عصبی-فازی (anfis)
تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق مرجع(eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی نه ایستگاه واقع در سه اقلیم متفاوت (مرطوب، خشک و نیمه خشک و بسیار خشک) شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی و تبخیر-تعرق مرجع ...
15 صفحه اولپیش بینی تبخیر- تعرق پتانسیل ماهانه با استفاده از مدل‌های ماشین بردار پشتیبان، برنامهریزی ژنتیک و سیستم استنتاج عصبی – فازی
چکیده علیرغم اهمیت تبخیر-تعرق در برنامهریزی و مدیریت منابع آبی، وابستگی آن به مولفههای اقلیمی از یکسو و تاثیرپذیری این مولفهها از یکدیگر از سویی دیگر تخمین تبخیر-تعرق را دشوار ساخته است. به همین منظور، در این پژوهش، به بررسی امکان پیشبینی این مولفهی مهم در استان سیستان و بلوچستان با استفاده از مدل‌های فراابتکاری از قبیل سیستم استنتاج عصبی – فازی، برن...
متن کاملپیشبینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی
تبخیر-تعرقمرجع یکی ازمهم‌ترین و مؤثرترین مؤلفه‌ها در بهینه‌سازی مصرف آب کشاورزی و مدیریتمنابع آب می‌باشد. در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیشبینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش‌های ANFIS و موجک- ANFIS در پیشبینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه‌های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم‌های...
متن کاملمقایسه ضرایب تشت برآورد شده با استفاده از روش‌های تجربی، شبکه عصبی مصنوعی و عصبی- فازی در برآورد تبخیر و تعرق گیاه مرجع
در این تحقیق کارایی روش‌های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک مورد ارزیابی قرار گرفت. بدین‌منظور از آمار 10 ساله مربوط به اندازه‌گیری روزانه تبخیر از تشت استفاده شد. با توجه به ک...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده کشاورزی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023