تخمین تبخیر و تعرق مرجع با استفاده از مدل ANFIS و مقایسه با روش های متداول تجربی(مطالعه موردی: شهر کرمان)
محل انتشار: دهمین سمینار آبیاری و کاهش تبخیر
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 669
فایل این مقاله در 9 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:
ABYARI10_122
تاریخ نمایه سازی: 22 خرداد 1391
چکیده مقاله:
تخمین دقیق تبخیر و تعرق به عنوان مهمترین بخش سیکل هدرولوژی برای مناطق خشک ایران از قبیل شهر کرمان که منابع آبی محدود می باشد، نقش مهمی را در برنامه ریزی و مدیریت مسایل آبی ایفا می کند. در این تحقیق دقت و توانایی مدل ANFIS در تخمین تبخیر و تعرق بررسی شده است. در بخش اول این تحقیق با استفاده از متغیرهای هواشناسی روزانه (درجه حرارت، رطوبت نسبی، سرعت باد و تابش خورشیدی) مربوط به ایستگاه سینوپتیک شهر کرمان که از شهرهای خشک ایران محسوب می شود برای 3 سال آماری(2003-2000)، تبخیر و تعرق به روش پنمن مانتیث محاسبه شده و از نتایج حاصله در کالیبره کردن مدل ANFIS استفاده شده است. نتایج حاکی از موفقیت تکنیک ANFIS در مدلسازی تبخیر و تعرق می باشد. بخش دوم این تحقیق با استفاده از ورودی های مختلف، دقت مدل مذکور با مدل های تجربی از قبیل هاگریوز سامانی، ایرماک، پریستلی- تیلور، مک کینک و لینارک مقایسه شده است و مقایسه با استفاده از مرجع قرار دادن مدل پنمن مانتیث و بر اساس تکنیکهای آماری از جمله میانگین خطای مطلق، میانگین مربعات خطا، واریانس خطا و ضرایب روابط رگرسیون گیری بین مقادیر واقعی و پیش بینی شده تبخیر و تعرق انجام شده است. نتایج مقایسه نشانگر آن بود که مدل ANFIS با چهار ورودی(درجه حرارت و تابش خورشیدی) و پس از آن مدل هارگریوز سامانی دارای بیشترین دقت و بالاترین کارایی در بین مدلهای مقایسه شده می باشند.
کلیدواژه ها:
نویسندگان
فاطمه کریم الدینی
دانشجوی کارشناسی ارشد، هیدروانفورماتیک، دانشگاه پوترا مالزی
نجمه خلیلی
دانشجوی دکتری، زهکشی، دانشگاه فردوسی مشهد
Lee Theang SHui
استاد دانشکده مهندسی، دانشگاه پوترا مالزی
محمد رضا عبدالهی
دانشجوی کارشناسی ارشد، کنترل، دانشگاه پوترا مالزی
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 :