اعتبار سنجی مدل های تجربی و نیمه تجربی برآورد تابش خالص در شرایط اقلیمی سرد و نیمه خشک همدان با استفاده از مقادیر اندازه گیری شده و شبکه عصبی مصنوعی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده علوم کشاورزی
  • نویسنده بهناز ختار
  • استاد راهنما علی اکبر سبزی پرور
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1392
چکیده

یکی از عوامل مهم و تأثیر گذار در شار حرارتی خاک و شدت تبخیر و تعرق، تابش خالص (rn) خورشیدی می-باشد. تابش خالص تفاوت بین تابش ورودی و خروجی در طول موج های بلند و کوتاه می باشد. اندازه گیری تابش خالص به علت مشکلات کالیبراسیون و هزینه آن دشوار است. تابش خالص اغلب از معادلات نیمه تجربی مبتنی بر مشاهدات تابش موج کوتاه خورشیدی، فشار بخار و دمای هوا پیش بینی می شود. در این تحقیق سعی شد تابش خالص روزانه با استفاده از 15 مدل تجربی و نیمه تجربی، تکنیک شبکه عصبی و مدل سازی با استفاده از رگرسیون خطی چند متغیره، در منطقه سرد و نیمه خشک همدان برآورد و نتایج بدست آمده از هر روش با تابش خالص اندازه گیری شده در ایستگاه کلیماتولوژی دانشگاه بوعلی سینا در طول دوره 18 ماه مقایسه و مدل بهینه تابش خالص همدان معرفی گردد. نتایج به دست آمده از مدل های تجربی نشان داد که مدل بهینه در فصل بهار، مدل رگرسیون مبنا (1)، مدل رگرسیون مبنا (3) در فصل تابستان و پایئز و مدل ایرماک در فصل زمستان می باشد. همچنین در مقیاس سالانه مدل رگرسیون مبنا (3) به عنوان مدل بهینه همدان معرفی گردید. این مدل ها کمترین مقدار خطا را در بین 15 مدل به خود اختصاص دادند. با توجه به اینکه شبکه عصبی در پیش بینی پارامترهای هواشناسی و هیدرولوژی از عملکرد مناسبی برخوردار است، در این تحقیق سعی شد تا برای نخستین بار با استفاده از شبکه عصبی مقدار rn همدان تخمین زده شود و با داده های انداز ه گیری شده تابش خالص روزانه ماه مقایسه شود. بدین منظور، در طراحی شبکه عصبی 11 پارامتر هواشناسی موثر در تابش خالص به عنوان ورودی مدل به کار گرفته شد. پس از انجام آزمون و خطا در انتخاب مدل بهینه، شبکه عصبی با آرایش 1-2-11 برای پیش بینی تابش خالص مورد استفاده قرار گرفت. 70 درصد داده ها جهت یادگیری و 30 درصد داده ها به منظور اعتبارسنجی مدل استفاده گردید. روش رگرسیون خطی چند متغیره با استفاده از دوسری پارامتر: 1) فراسنج های هواشناسی، 2) مولفه های تابش خورشیدی (طول موج های بلند و کوتاه ورودی و خروجی) رسیده به سطح زمین، محاسبه گردید. نتایج نشان داد که استفاده از روش های رگرسیونی در تخمین تابش خالص موثر می باشند. بررسی ها نشان دادند تابش خالص مدل سازی شده با مولفه های تابش خورشیدی، از دقت بالاتری نسبت به سایر روش ها در برآورد تابش خالص برخوردار هستند

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارزیابی شبکه عصبی مصنوعی و مدل تجربی ایرماک در تخمین تابش خالص خورشیدی روزانه در اقلیم سرد و نیمه خشک (مطالعه موردی: همدان)

یکی از عوامل مهم و تأثیرگذار در شار حرارتی خاک و شدت تبخیر- تعرق، تابش خالص خورشیدی می­باشد. تابش خالص تفاوت بین شارهای تابش ورودی و خروجی در طول موج­های بلند و کوتاه می­باشد. اندازه­گیری تابش خالص به علت مشکلات واسنجی و هزینه آن دشوار است. بنابراین تابش خالص اغلب از معادلات نیمه­تجربی مبتنی بر مشاهدات تابش طول موج کوتاه خورشیدی، فشار بخار و دمای هوا پیش­بینی می­شود. با توجه به اینکه شبکه عصبی ...

متن کامل

مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی(Rs) در ایستگاه سینوپتک زاهدان

تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق می­باشد. تهیه و ایجاد وسایل انداره­گیری این پارامتر بسیار پرهزینه می­باشد. در این تحقیق از داده­های اندازه­گیری شده تابش (Rs) در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده ...

متن کامل

ارزیابی شبکه عصبی مصنوعی و مدل تجربی ایرماک در تخمین تابش خالص خورشیدی روزانه در اقلیم سرد و نیمه‌خشک (مطالعه موردی: همدان)

یکی از عوامل مهم و تأثیرگذار در شار حرارتی خاک و شدت تبخیر- تعرق، تابش خالص خورشیدی می­باشد. تابش خالص تفاوت بین شارهای تابش ورودی و خروجی در طول موج­های بلند و کوتاه می­باشد. اندازه­گیری تابش خالص به‌علت مشکلات واسنجی و هزینه آن دشوار است. بنابراین تابش خالص اغلب از معادلات نیمه­تجربی مبتنی بر مشاهدات تابش طول‌موج کوتاه خورشیدی، فشار بخار و دمای هوا پیش­بینی می­شود. با توجه به اینکه شبکه عصبی ...

متن کامل

تخمین مقدار انتقال رسوب در امتداد ساحل با استفاده از فرمول‌های نیمه تجربی و شبکه عصبی مصنوعی در سواحل نور

Comparisons made between the measured data carried out from September to December 2012 using a streamer trap and the results of some semi-empirical formulas including C.E.R.C, Walton and Bruno (W.B), van der Meer (V), Kamphuis (K), and an Artificial Neural Network (ANN) model. Six dominant variables are considered in the ANN model to estimate long-shore sediment transport rate. Results reveal t...

متن کامل

ارزیابی مدل درختی M5 و دو مدل تجربی مبتنی بر دمای هوا برای برآورد تابش خورشیدی با استفاده از LST در یک اقلیم نیمه خشک

تابش خورشیدی از پارامترهای ورودی برای بسیاری از مطالعات شبیه‌سازی مانند فرآیندهای وابسته به تغییرات آب و هوایی، هیدرولوژی و اکولوژی است. مدل­های پیشنهادی به­منظور برآورد این پارامتر به علت این­که از داده­های هواشناسی از نوع مکانی نقطه­ای استفاده می­کنند، برآورد نقطه‌ای از مقدار تابش ارائه می‌کنند. در این پژوهش، دو مدل تجربی هارگریوز- سامانی و محمود – هابرد که مبتنی بر داده­های دمای هوا هستند، ب...

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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده علوم کشاورزی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023