بررسی کارایی مدلهای شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی در پیش بینی تبخیر
- سال انتشار: 1402
- محل انتشار: سومین همایش ملی راهبرد های مدیریت منابع آب و چالش های زیست محیطی
- کد COI اختصاصی: WREC03_123
- زبان مقاله: فارسی
- تعداد مشاهده: 76
نویسندگان
استادیار،گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوریپیشرفته، کرمان، ایران
چکیده
تبخیر یکی از فرایندهای بسیار مهم در هواشناسی و هیدرولوژی میباشد که پیش بینی دقیق آن در برنامه ریزی و مدیریت درست آب از اهمیت بالایی برخوردار است از این رو این تحقیق با هدف مدل سازی تبخیر از تشتک به کمک شبکه عصبی مصنوعی به استفاده از ورودیهای مختلف دادههای هواشناسی شامل متوسط درجه حرارت هوا میانگین سرعت باد میانگین رطوبت نسبی و ساعات آفتابی انجام شد. پس از عمل استانداردسازی از ۸۵ درصد داده ها جهت تعلیم شبکه استفاده شد. مقایسه کارایی مدلها توسط شاخصهای اعتبار سنجی ریشه میانگین مربعات خطا (RMSE) میانگین مطلق خطا (MAE) و ضریب ناس - ساتکلیف (NSF) انجام شد. نتایج نشان داد که نوع پارامتر ورودی تاثیر بسزایی در مشخصات مدل شبکه عصبی دارد. تنها با عامل متوسط درجه حرارت هوا میتوان با ضریب تبیینی قابل قبول شبیه سازی تبخیر روزانه را با مدل شبکه عصبی پایه شعاعی انجام داد و با افزایش دادن سه متغیر دیگر به ورودی مدل شامل متوسط سرعت باد رطوبت نسبی و ساعت آفتابی دقت شبیه سازی را میتوان تا ۵ درصد در داده های آموزش و جهت تحقق این مهم استفاده از مدل شبکه عصبی با ساختار پرسپترون چندلانه از نوع پیشرو پیشنهاد میشود.کلیدواژه ها
تبخیر از تشتک ،شبکه عصبی مصنوعی ،شبیه سازی، ضریب ناش- ساتکلیفمقالات مرتبط جدید
اطلاعات 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.