ارزیابی مدل های هوشمند داده محور در برآورد تبخیر- تعرق مرجع روزانه در چند اقلیم سواحل جنوبی دریای خزر
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 8، شماره: 3
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 221
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-8-3_007
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
در بسیاری از مطالعات تعیین میزان دقیق متغیر تبخیر-تعرق از اهمیت ویژه ایی برخوردار است. مدل های هوشمند داده محور دارای توانایی بالایی در مدلسازی پدیده های پیچیده و غیرخطی هستند. در این مطالعه از چهار روش داده محور شامل شبکه های عصبی مصنوعی (ANN)، ماشین های بردار پشتیبان (SVM)، مدل درختی M۵ و شبکه های تطبیقی مبتنی بر سیستم استنتاج فازی (ANFIS) برای مدل سازی تبخیر-تعرق مرجع (ETo) در سه ایستگاه از اقلیم های سواحل جنوبی دریای خزر با استفاده از داده های بلند مدت روزانه هواشناسی بهره گرفته شد. ۱۱ ترکیب مختلف متغیر های هواشناسی به عنوان ورودی به مدل های داده محور انتخاب گردید و از شاخص های استاندارد آماری ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE) و شاخص توافق (DI) برای ارزیابی مدل ها استفاده شد. نتایج نشان داد که مدل ANFIS-۱۱ با RMSE بین ۲/۰ تا ۳۸/۰ میلیمتر بر روز دقیق ترین و مدل هایی که ورودی آنها فقط سرعت باد است با R۲بین ۰۲/۰ تا ۳۹/۰ و RMSE بین ۳۵/۱ تا ۶۸/۱ میلیمتر بر روز ضعیف ترین برآوردها را در اقلیم های مورد مطالعه دارند.
کلیدواژه ها:
نویسندگان
بهرام بختیاری
استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
علیرضا محبی دهاقانی
کارشناسی ارشد مهندسی منابع آب، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
کورش قادری
استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :