شبیه سازی تبخیر روزانه به کمک مدل های سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) و رگرسیون چندمتغیره (MR) در ایستگاه سینوپتیک تبریز
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 8، شماره: 16
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198
فایل این مقاله در 13 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_JWMR-8-16_019
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
استفاده از مدلهای تجربی برآورد تبخیر نیاز به متغیرهای زیادی دارند که برخی از آنها در ایستگاههای کشور قابل
اندازهگیری نیستند لذا این تحقیق با هدف شبیهسازی تبخیر روزانه در ایستگاه سینوپتیک تبریز به کمک دادههای هواشناسی شامل متوسط درجه حرارت هوا (c )، میانگین سرعت باد (m/s)، میانگین رطوبت نسبی (%) و ساعات آفتابی با استفاده از مدلهای سیستم استنتاج تطبیقی عصبی- فازی و رگرسیون چندمتغیره با معماریهای مختلف و در وضعیتهای مختلف از متغیرهای ورودی انجام شد. پس از استانداردسازی دادهها، جهت آموزش شبکه از ۸۵ درصد دادهها و جهت آزمون کارایی مدلها (با شاخصهای RMSE و R۲) از ۱۵ درصد دادهها استفاده شد. نتایج مدل سیستم استنتاج تطبیقی عصبی- فازی نشان داد که مدل بهینه نروفازی با ۱ و ۲ متغیر ورودی از نوع شبکه (با ۳ تابع عضویت گوسی) و با ۳ و ۴ متغیر ورودی از نوع خوشهای است. طبق نتایج مدل رگرسیونی اضافه نمودن متغیر رطوبت نسبی باعث تغییرات قابلملاحظه شاخصهای اعتبارسنجی در بخش دادههای آموزش و آزمون نشد و متغیر ساعت آفتابی در مدل رگرسیونی حفظ نشد. طبق نتایج میتوان به کمک مدل سیستم استنتاج تطبیقی عصبی- فازی نسبت به رگرسیون، ضریب تبیین شبیهسازی را بیش از ۱۰ درصد افزایش داد که لازمه آن استفاده از ۴ متغیر ورودی شامل متوسط درجه حرارت هوا، متوسط سرعت باد، رطوبت نسبی و ساعت آفتابی و مدلسازی با مدل نروفازی خوشه است.
کلیدواژه ها:
نویسندگان
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 :