کاربرد منطق فازی جهت برآورد تبخیر - تعرق پتانسیل شهرستان گناباد

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 203

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ESTJ-22-9_008

تاریخ نمایه سازی: 18 مهر 1400

چکیده مقاله:

زمینه و هدف: تبخیر- تعرق پتانسیل یکی از اجزای اصلی چرخه ی هیدرولوژیکی است که تعیین صحیح آن در مطالعات بیلان آبی، طراحی سیستم های آبیاری و برنامه ریزی و مدیریت منابع آب برای دست یابی به توسعه ی پایدار نقش به سزایی دارد. تبخیر و تعرق به علت نیاز به عوامل اقلیمی مختلف و اثر متقابل این عوامل بر یکدیگر یک پدیده ی غیرخطی و پیچیده است. یکی از مراحل پیچیده در مدل سازی سیستم های غیرخطی، پیش پردازش پارامتر های ورودی جهت انتخاب ترکیبی مناسب از آن‎هاست. پیش پردازش داده ها سبب کاهش مراحل سعی و خطا و شناخت مهم­ترین پارامترهای موثر بر پدیده ی مورد نظر جهت مدل سازی با استفاده از روش های هوش مند می­گردد. این پژوهش با هدف استفاده از توان مندی های سیستم استنتاج فازی برای برآورد تبخیر و تعرق با استفاده از داده های هواشناسی طی دوره ۲۰ ساله (۱۳۷۲-۱۳۹۲) در شهر گناباد صورت گرفت. روش بررسی: براین اساس پس از بررسی مدل موجود و بررسی ترکیب­های مختلف داده های هواشناسی، مدل نهایی برای برآورد تبخیر و تعرق ارایه شد. در این تحقیق در مجموع با داشتن ۲۰ متغیر برای ورودی مدل و یک متغیر برای خروجی مدل (تبخیر و تعرق)، ۵۰ قانون در سیستم استنتاج ممدانی تعریف شد. مقادیر تبخیر و تعرق پتانسیل حاصل از مدل فازی با مدل پنمن – فائو- مونتیث مورد مقایسه قرار گرفت. بحث و نتیجه گیری: کارایی مدل فازی ارایه شده با استفاده از آماره های ریشه میانگین مربعات خطا، خطای انحراف میانگین، ضریب تعیین و معیار جاکوویدز (t) و معیار صباغ و همکاران  (R۲ /t) مورد ارزیابی قرار گرفت. مقایسه نتایج مدل فازی  با مدل پنمن – فائو- مونتیث مقایسه گردید. بیش ‎ترین تبخیر و تعرق در ماه ژوئیه اتفاق افتاده است. نتایج حاکی از همبستگی بالا بین این دو مدل فازی ارایه شده و روش پنمن – فائو- مونتیث است.

کلیدواژه ها:

نویسندگان

حسن رضائی

دکتری اقلیم شناسی کشاورزی، مدرس دانشگاه افسری امام علی(ع).

غلامعباس فلاح قالهری

دانشیار دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری. (مسول مکاتبات).

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 :
  • Waziri. ZH, Entesari. M, Masihi. M, Heydari. N. Dehghani, S., ...
  • Grismer. M.E, Oran. M, Snyder. R., Matyac, R,۲۰۰۲, Pan Evaporation ...
  • Rahimi Koob. A, ۲۰۰۸, Comparative study of Hargrives's and artificial ...
  • Kisi. O, ۲۰۰۷, Evapotranspiration modeling from climatic data using a ...
  • Kisi. O,۲۰۰۷, Adaptive neurofuzzy computing technique for Evapotranspiration Estimation, Journal ...
  • Kumar. M, Bandyopadhyay. A, Raghuwanshi. N.S, Singh. R, ۲۰۰۸, Comparative ...
  • Aytek. A, Kisi. O, ۲۰۰۸, A genetic programming approach to ...
  • Kim. S, Kim. H, ۲۰۰۸, Neural Networks and genetic algorithm ...
  • Tzimopoulos. C, Mpallas. L, Papaevangelou. G, ۲۰۰۸, Estimation of evapotranspiration ...
  • Moghaddamnia. A, Ghafari Gousheh. M, Piri. J, Amin. S, Han. ...
  • Lin. C, Chao C, Chen. W.F, ۲۰۰۸, Estimation regional evapotranspiration ...
  • Korepaz dezfouli. A, ۲۰۰۶, Principles of fuzzy set theory and ...
  • Kisi. O, Ozturk. O, ۲۰۰۷, Adaptive neurofuzzy computing technique for ...
  • Shayan Nejad. M, ۲۰۰۶, Calculation of groundwater drainage distance in ...
  • Jia Bing. C, ۲۰۰۴, Prediction of daily reference evapotranspiration using ...
  • Dogan. E, ۲۰۰۹, Reference Evapotranspiration Estimation using adaptive nerofuzzy inference ...
  • Kisi. O, ۲۰۱۰, Fuzzy Genetic Approach for modeling Reference Evapotranspiration, ...
  • Sayyadi. H, Olad Ghaffari. A, Ashrafsadrodini. A., ۲۰۰۹, Comparison of ...
  • Monem. M, Khorami. J, Heydarian. A., ۲۰۰۷, Evaluating the performance ...
  • Coa. Z, Kandel. A, ۱۹۸۹, Application of some Fuzzy Implication ...
  • Lee. C.C, ۱۹۹۰, Fuzzy Logic in Control Systems: Fuzzy Logic ...
  • Jacovides. C.P, ۱۹۹۷. Reply to comment on Statistical procedures for ...
  • Sabziparvar. A, Tafazoli. F. Zare Abyaneh. H, Banzhad. H. Mousavi ...
  • Grismer. M.E, Oran. M, Snyder. R., Matyac, R,۲۰۰۲, Pan Evaporation ...
  • Rahimi Koob. A, ۲۰۰۸, Comparative study of Hargrives's and artificial ...
  • Kisi. O, ۲۰۰۷, Evapotranspiration modeling from climatic data using a ...
  • Kisi. O,۲۰۰۷, Adaptive neurofuzzy computing technique for Evapotranspiration Estimation, Journal ...
  • Kumar. M, Bandyopadhyay. A, Raghuwanshi. N.S, Singh. R, ۲۰۰۸, Comparative ...
  • Aytek. A, Kisi. O, ۲۰۰۸, A genetic programming approach to ...
  • Kim. S, Kim. H, ۲۰۰۸, Neural Networks and genetic algorithm ...
  • Tzimopoulos. C, Mpallas. L, Papaevangelou. G, ۲۰۰۸, Estimation of evapotranspiration ...
  • Moghaddamnia. A, Ghafari Gousheh. M, Piri. J, Amin. S, Han. ...
  • Lin. C, Chao C, Chen. W.F, ۲۰۰۸, Estimation regional evapotranspiration ...
  • Korepaz dezfouli. A, ۲۰۰۶, Principles of fuzzy set theory and ...
  • Kisi. O, Ozturk. O, ۲۰۰۷, Adaptive neurofuzzy computing technique for ...
  • Shayan Nejad. M, ۲۰۰۶, Calculation of groundwater drainage distance in ...
  • Jia Bing. C, ۲۰۰۴, Prediction of daily reference evapotranspiration using ...
  • Dogan. E, ۲۰۰۹, Reference Evapotranspiration Estimation using adaptive nerofuzzy inference ...
  • Kisi. O, ۲۰۱۰, Fuzzy Genetic Approach for modeling Reference Evapotranspiration, ...
  • Sayyadi. H, Olad Ghaffari. A, Ashrafsadrodini. A., ۲۰۰۹, Comparison of ...
  • Monem. M, Khorami. J, Heydarian. A., ۲۰۰۷, Evaluating the performance ...
  • Coa. Z, Kandel. A, ۱۹۸۹, Application of some Fuzzy Implication ...
  • Lee. C.C, ۱۹۹۰, Fuzzy Logic in Control Systems: Fuzzy Logic ...
  • Jacovides. C.P, ۱۹۹۷. Reply to comment on Statistical procedures for ...
  • Sabziparvar. A, Tafazoli. F. Zare Abyaneh. H, Banzhad. H. Mousavi ...
  • نمایش کامل مراجع