برآورد تبخیر و تعرق مرجع با استفاده از شبکه عصبی مصنوعی(مطالعه موردی دشت بیرجند9

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 988

فایل این مقاله در 8 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:

ABYARI10_215

تاریخ نمایه سازی: 22 خرداد 1391

چکیده مقاله:

تبخیر و تعرق به عنوان یکی از عمده ترین اجزاء چرخه هیدرولوژیکی، در مطالعات، طراحی و مدیریت سیستم های آبیاری اهمیت فراوان دارد. لکن تعداد پارامترهای مورد نیاز در محاسبه تبخیر و تعرق از یکسو و عدم صحیح اندازه گیری برخی پارامترها از سوی دیگر سبب گردیده که تخمین درست این پارامتر در برخی نقاط با مشکلاتی روبرو باشد. هدف از این مطالعه ارزیابی عملکرد شبکه عصبی مصنوعی(ANN) در برآورد تبخیر و تعرق پتانسیل(ET0) و مقایسه آن با روش تجربی بلانی کریدل در دشت بیرجند می باشد. برای این منظور از شبکه های پرسپترون چند لایه، قانون یادگیری پس انتشار خطا و داده های هواشناسی ایستگاه سینوپتیک بیرجند، طی یک دوره آماری 20 ساله استفاده شد. بر این اساس با استفاده از معیارهای RMSE، R²، MAE بهترین مدل شبکه عصبی در این منطقه Multilayer perceptron انتخاب گردید و مشخص گردید که شبکه عصبی مصنوعی در شرایط فقدان اطلاعات کافی، راهکار مناسبتری نسبت به روشهای تجربی به شمار روند.

نویسندگان

حمید کاردان مقدم

دانشجوی کارشناسی ارشد منابع آب دانشگاه بیرجند

علی شهیدی

استادیار گروه مهندسی آب دانشگاه بیرجند

زهرا رحیم زاده

دانشجوی کارشناسی ارشد منابع آب دانشگاه بیرجند

محمد جواد نحوی نیا

دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه 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 :
  • پیری و همکاران.1386. شبیه‌سازی تبخیر مخازن چاه‌نیمه زابل با استفاده ...
  • شایان نژاد، م. 1385. مقایسه دقت روشهای شبکه‌های عصبی مصنوعی ...
  • چاری، م.م. 1387، شبیه سازی تبخیر از ایستگاه هواشناسی زهک ...
  • محتشم، م. و همکاران _ 1388، پیش بینی سطح ایستابی ...
  • 7 13 19 25 31 37 43 49 55 61 ...
  • Jain, A. K., A. J. Mao and K.M. Mohiuddin. 1996. ...
  • Jain, S.K.. A. Das, and D.k. Srivastsva. 1999. Application of ...
  • Keshavarz, M. Roopaei. 2006. Intelligent Structures in Economical Forecasting. Proceedings ...
  • Kisi, O. 2006. Daily pan evaporation modelling using a neuro-fuzzy ...
  • Maier, H.R. and G.C. Dandy. (2000). artificial neural networks for ...
  • Norgaard, M. 2000. Neural Network Based System Identification Toolbox Ver.2. ...
  • Rajurkar, M.P., U.C. Kothyari, and U.C. Chaube. (2004). Modeling of ...
  • Willmott, C. J. 1982. Somme comments on the evaluation of ...
  • نمایش کامل مراجع