کاربرد الگوریتم هوشمند جهش قورباغه جهت واسنجی چند مدل تابش با هدف ارتقای دقت برآورد تبخیرتعرق مرجع در دو نمونه اقلیمی ایران
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 16، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 230
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_IDJ-16-2_001
تاریخ نمایه سازی: 6 تیر 1401
چکیده مقاله:
معادله پنمن مانتیث فائو۵۶ (FAO-۵۶ PM) به عنوان یک روش استاندارد برای برآورد تبخیرتعرق مرجع (ETO) در اقلیم های مختلف پیشنهاد شده است. برای برآورد تابش کلی خورشید (Rs)، به عنوان یکی از ورودی های ضروری این معادله، از مدل های متفاوتی استفاده می شود. این مطالعه به منظور واسنجی و اعتبارسنجی ۴ مدل برآورد Rs (آنگستروم-پریسکات، هارگریوز-سامانی، موبیرو و همکاران و چن و لی) در ایستگاه های اهواز (با اقلیم خشک) و همدان (با اقلیم نیمه خشک) در دوره اقلیمی ۱۹۹۲-۲۰۲۰ و تاثیر آنها بر برآورد ETO انجام شد. ضرایب این مدل ها توسط الگوریتم هوشمند جهش قورباغه (SFLA) واسنجی شدند. برای بررسی عملکرد این مدل ها، مقادیر Rs برآورد شده با اندازه گیری شده مقایسه شد. بر اساس آماره های ریشه میانگین مربعات خطا (RMSE)، ضریب تعیین (R۲) و ضریب نش-ساتکلیف (NS)، در ایستگاه اهواز مدل آنگستروم-پریسکات با داشتن کمترین خطا ۹۲۹/۱=RMSE، ۹۱۸/۰=R۲ و ۸۹۶/۰=NS، و در ایستگاه همدان مدل موبیرو و همکاران با داشتن ۸۷۵/۰=R۲ ، و ۹۲۵/۲= RMSEو ۸۶۰/۰=NS، بهترین عملکرد را در برآورد تابش خورشیدی داشته اند. درصد اختلاف ETO محاسبه شده توسط Rs برآورد شده در مقایسه با Rs اندازه گیری شده در دو ایستگاه در همه مدل ها، کاهشی در حدود ۲۰% نشان داد.
کلیدواژه ها:
نویسندگان
سیده نفیسه بنی هاشمی دهکردی
دانشجوی دکتری مهندسی سازه های آبی، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
بهرام بختیاری
عضو هیات علمی، بخش مهندسی آب، دانشگاه شهید باهنر کرمان
کورش قادری
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه باهنر کرمان، کرمان ، ایران
محمد مهدی احمدی
بخش مهندسی آب دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
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 :