ارزیابی کارایی مدل های هوش مصنوعی برای شبیه سازی تبخیر در مناطق اقلیمی خشک، نیمه خشک و بسیار مرطوب ایران
- سال انتشار: 1400
- محل انتشار: فصلنامه تحقیقات منابع آب ایران، دوره: 17، شماره: 1
- کد COI اختصاصی: JR_IWRR-17-1_020
- زبان مقاله: فارسی
- تعداد مشاهده: 234
نویسندگان
دانشجوی کارشناسی، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه سمنان
دانشجوی دکتری مهندسی و مدیریت منابع آب، گروه مهندسی آب و سازه های هیدرولیکی، دانشکده فنی و مهندسی، دانشگاه سمنان، سمنان، ایران
دانش آموخته دکتری مهندسی و مدیریت منابع آب، گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده
در این تحقیق، مدل های شبیه سازی روزانه تبخیر از تشت با استفاده از شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و یک رابطه تجربی بهینه سازی شده بر پایه الگوریتم ژنتیک، با ۱۳ ترکیب ورودی از متغیرهای هواشناسی یعنی میانگین دمای روزانه، دمای بیشینه و کمینه، رطوبت نسبی، ساعات آفتابی و سرعت باد توسعه داده شد. این مدلها برای شبیه سازی تبخیر در ایستگاه های سمنان، شاهرود و رشت با شرایط اقلیمی خشک، نیمه خشک و بسیار مرطوب به کار گرفته شد. پس از ارزیابی کمی مدلها، ترکیب ورودی شامل دما، رطوبت نسبی، ساعات آفتابی و سرعت باد برای مدلهای شبیه سازی تبخیر، با ضریب همبستگی بین ۰.۵۶ تا ۰.۸۵، ریشه میانگین مربعات خطا بین ۱.۱ تا ۲.۶ میلی متر و پی بایاس ۱ تا ۲۹.۵ درصد، به عنوان ترکیب ورودی برتر انتخاب شد. با انجام آنالیز حساسیت مدلهای توسعه داده شده، دما و سپس رطوبت نسبی، به عنوان متغیرهای حساس برای شبیه سازی تبخیر انتخاب شدند. همچنین رابطه تجربی بهینه سازی شده با ترکیب ورودی برتر، توانایی بیشتری برای شبیه سازی مقادیر میانگین و انحراف معیار تبخیر از خود نشان داد و این مدل به عنوان مدل برتر انتخاب شد. در نهایت توانایی مدل برتر به همراه ترکیب ورودی برتر در شبیه سازی تشت تبخیر سه ایستگاه گرمسار (خشک)، دامغان (نیمه خشک) و رامسر (بسیار مرطوب)، با ضرایب همبستگی ۰.۶ تا ۰.۸۴، ریشه میانگین مربعات خطا ۱.۲۹ تا ۳.۱۶ میلی متر و پی بایاس ۲.۱ تا ۹.۲ درصد، مورد تایید قرار گرفت.کلیدواژه ها
هوش مصنوعی, شبکه های عصبی, الگوریتم ژنتیک, تبخیر, ایراناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.