طبقه بندی تبخیر سالانه ایستگاههای تبخیرسنجی ایران با استفاده از محاسبات نرم(خوشه بندی فازی و شبکه عصبی کوهنن) بر اساس پارامترهای اقلیمی
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 282
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEOP-22-63_014
تاریخ نمایه سازی: 14 آبان 1400
چکیده مقاله:
تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیما بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی پایگاه اطلاعات بزرگ نظیر ایستگاههای تبخیرسنجی موجب میگردد حجم زیادی از اطلاعات با اختصاص به چند دسته متجانس کوچکتر براحتی در روشهای مختلف مدلسازی مورد استفاده قرار گیرد. خوشهبندی در این پژوهش با استفاده از دادههای اقلیمی منجر به قرار گرفتن ایستگاههای تبخیرسنجی در ۷ خوشه گردیدهاست و بین مقادیرحداکثر شاخصRS و حداقل واریانس محاسباتی خوشهها همخوانی وجود دارد، بطوریکه نسبت به ضریب تعیین RS و واریانس خوشهها روش شبکه عصبی کوهنن نسبت به روش فازی نتایج بهتری را نشان میدهد. تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیما بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی پایگاه اطلاعات بزرگ نظیر ایستگاههای تبخیرسنجی موجب میگردد حجم زیادی از اطلاعات با اختصاص به چند دسته متجانس کوچکتر براحتی در روشهای مختلف مدلسازی مورد استفاده قرار گیرد. خوشهبندی در این پژوهش با استفاده از دادههای اقلیمی منجر به قرار گرفتن ایستگاههای تبخیرسنجی در ۷ خوشه گردیدهاست و بین مقادیرحداکثر شاخصRS و حداقل واریانس محاسباتی خوشهها همخوانی وجود دارد، بطوریکه نسبت به ضریب تعیین RS و واریانس خوشهها روش شبکه عصبی کوهنن نسبت به روش فازی نتایج بهتری را نشان میدهد.
کلیدواژه ها:
نویسندگان
رضا مکاریان
مدرس دانشگاهی
حسین صدقی
استاد گروه مهندسی آب- واحد علوم و تحقیقات تهران
سمیرا نعمتی
دانشگاه تبریز
حسین بابا زاده
دانشیار گروه مهندسی آب -واحد علوم و تحقیقات تهران
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 :