مقایسه روش رگرسیون چند متغیره و شبکه ی عصبی مصنوعی در مدل سازی دمای خاک با استفاده از عناصر هواشناسی (مطالعه موردی: ایستگاه سینوپتیک بندرعباس)
- سال انتشار: 1398
- محل انتشار: فصلنامه ترویج و توسعه آبخیزداری، دوره: 7، شماره: 24
- کد COI اختصاصی: JR_WMJI-7-24_004
- زبان مقاله: فارسی
- تعداد مشاهده: 150
نویسندگان
فارغ التحصیل کارشناسی ارشد رشته هواشناسی، دانشگاه هرمزگان
دانشیار، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
چکیده
دمای خاک به عنوان یک عنصر مهم و تاثیر گذار در رشد گیاهان مطرح است، که در ایستگاه های هواشناسی به صورت منظم و پیوسته اندازه گیری نمی شود، ازاین روی داده های دمای خاک با کمبود آماری مواجه است. دمای خاک در اعماق مختلف متفاوت و متاثر از دمای محیط بیرون و دیگر عوامل است. در این تحقیق سعی شده است تا دمای اعماق مختلف خاک رسی- شنی (۵،۱۰،۲۰،۳۰،۵۰ و۱۰۰ سانتی متری) را به کمک پارامترهای روزانه ی هواشناسی موجود در ایستگاه هواشناسی بندرعباس به روش رگرسیون چند متغیره و شبکه ی عصبی مصنوعی برای دوره آماری سال های ۱۳۷۲ تا ۱۳۹۶ مدل سازی شود. پس از محاسبه ی ضریب همبستگی بین دمای اعماق خاک با پارامترهای هواشناسی مشخص گردید، دمای خشک، مقدار تبخیر و دمای نقطه ی شبنم بیشترین همبستگی را با دمای خاک در اعماق مختلف دارد. میزان قدر مطلق خطای محاسبه شده در روش رگرسیون بین ۰۹/۱ درجه (برای عمق ۱۰ سانتی متری) و ۸۸/۱ درجه (برای عمق ۱۰۰ سانتی متری) و در روش شبکه ی عصبی بین ۱۷/۱ و ۸۵/۱ درجه می باشد. بنابراین با توجه به ساده بودن رگرسیون چندمتغیره و عدم تفاوت زیاد با نتایج شبکه عصبی مصنوعی، از مدل فوق در مناطق مشابه برای پیش بینی دمای خاک می توان بهره برد.کلیدواژه ها
Multivariate regression, Artificial neural networks, Soil temperature, Meteorological Factors, Modelingاطلاعات 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.