Exploiting Intelligent Models for Predicting Reference Evapotranspiration in a Semi-Arid Region
- سال انتشار: 1400
- محل انتشار: پنجمین کنگره بین المللی توسعه کشاورزی، منابع طبیعی، محیط زیست و گردشگری ایران
- کد COI اختصاصی: ICSDA05_188
- زبان مقاله: انگلیسی
- تعداد مشاهده: 357
نویسندگان
Water Engineering Department, College of Agriculture, Shiraz University,
چکیده
In the soil- water- plant- atmosphere system, water enters to atmosphere from soil surface or plant directly. The transfer of water from the soil surface to the air is called evaporation(E), and the outflow of water from the plant is called transpiration(T), and the sum of E and T is called evapotranspiration (ETO). Estimating (ETO) plays a significant role in water resources management and irrigation scheduling. Moreover, estimating ETO in irrigation and design systems is vital to determine crop water needs. The present study is aimed at examining ETO base on Hargreaves- Samani approach in Shiraz synoptic station during the period in (۱۹۵۱- ۲۰۱۹). Additionally, the efficiency of artificial neural network (ANN), genetic algorithm-based ANN (GANN) models are investigated to determine the nonlinear relationship between the inputs and outputs variables. To find the efficiency of all models, mean square error (MSE) are calculated and compared. The results indicate that the ANN model could provide more reliable prediction over the anther model.کلیدواژه ها
Artificial neural network, Evapotranspiration, Genetic algorithm-based ANN, Hargreaves - Samani Equation.مقالات مرتبط جدید
- تحول پارادایم های مدیریت جهانگردی در عصر دیجیتال: تلفیق پایداری، تاب آوری و فناوری های نوین
- تحلیل چندسطحی عوامل موفقیت ترکیه در صنعت گردشگری: درس هایی برای اقتصادهای در حال توسعه
- مدیریت راهبردی در سازمان های خدماتی: از ارزش تجربه تا اکوسیستم های نوآورانه
- مکتب سیستم های اجتماعی در مدیریت: چارچوب های شبکه ای-فرهنگی-فناوری برای یادگیری سازمانی و نوآوری در عصر دیجیتال
- نگاهی به جایگاه جهانگردی درایران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.