نقش توابع کرنل در افزایش دقت پیشبینی تبخیر روزانه در دو منطقه مرطوب و خشک ایران
محل انتشار: پنجمین کنگره ملی آبیاری و زهکشی ایران
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 326
فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCIID05_054
تاریخ نمایه سازی: 13 مرداد 1400
چکیده مقاله:
تبخیر به عنوان یک عامل کلیدی در مطالعات هیدرولوژیکی، آب و هوایی، مدیریت آب کشاورزی، برنامه ریزی آبیاری و غیره در نظر گرفته میشود. تبخیر به دلیل فعل و انفعالات عوامل مختلف آب و هوایی، یک پدیده پیچیده و غیرخطی است. بنابراین، برای تخمین تبخیر باید از مدلهای پیشرفته مانند معادلات تجربی و هوش مصنوعی استفاده کرد. در سالهای اخیر، معادلات تجربی به طور گسترده برای تخمین تبخیر استفاده شده است. در این تحقیق عملکرد مدلهای رگرسیون فرایند گاوسی (GPR)و رگرسیون ماشین بردار پشتیبان (SVR) در تخمین تبخیر روزانه دو ایستگاه آمل و بم، در بازه زمانی ۲۰۱۶ -۲۰۲۰ ارزیابی شده است. داده های روزانه هواشناسی میانگین دما، رطوبت نسبی، ساعات آفتابی و سرعت باد، به عنوان ورودی مدلهای GPRو SVR برای تخمین تبخیر روزانه استفاده شد. در مطالعه حاضر چهار سناریو ترکیبی از پارامترهای هواشناسی به منظور تخمین تبخیر بکار گرفته شدند. نتایج حاصل از مدلهای مذکور نشان داد که هر دو مدل GPR و SVR عملکرد قابل قبولی در تخمین تبخیر دارند (ضریب همبستگی حدود .(۰/۹۴ همچنین با توجه به ارزیابی های انجام شده، مشخص شد که مدل GPR عملکرد بهتری نسبت به مدل SVR داشته است (جذر میانگین مربعات خطا به ترتیب ۱/۵۶ و .(۱/۶۲ در تحقیق حاضر از کرنل PUK به دلیل داشتن دقت بالا، بیشترین ضریب همبستگی و کمترین خطا ۰/۹۴) و (۰/۸۴ استفاده گردید.
کلیدواژه ها:
نویسندگان
میلاد شرفی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه ارومیه
فاطمه میکائیلی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد
استادیار بخش گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز