بررسی عملکرد الگوریتم هیبریدی بهینه سازی خرگوش مصنوعی (ANN-ARO) در پیش بینی تبخیر و تعرق مرجع با پارامترهای اقلیمی محدود

معین توسن; علی ماروسی; حسین خزیمه نژاد

بررسی عملکرد الگوریتم هیبریدی بهینه سازی خرگوش مصنوعی (ANN-ARO) در پیش بینی تبخیر و تعرق مرجع با پارامترهای اقلیمی محدود

محل انتشار: مجله علمی سامانه های سطوح آبگیر باران، دوره: 12، شماره: 1

سال انتشار: 1403

نوع سند: مقاله ژورنالی

زبان: فارسی

مشاهده: 194

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/2073048

شناسه ملی سند علمی:

JR_JIRCSA-12-1_003

تاریخ نمایه سازی: 26 شهریور 1403

چکیده مقاله:

تبخیر و تعرق مرجع یکی از متغیرهای مهم در هیدرولوژی و علوم کشاورزی و عامل تعیین کننده در مدیریت منابع آب است. این مطالعه به بررسی مدل هیبریدی شبکه عصبی با الگوریتم بهینه ساز خرگوش مصنوعی (ANN-ARO) برای مدل سازی روزانه تبخیر و تعرق مرجع با پارامترهای هواشناسی محدود و مقایسه آن با سایر روش های هیبریدی یعنی شبکه عصبی مصنوعی با الگوریتم بهینه سازی ذرات (ANN-PSO)، شبکه عصبی مصنوعی با الگوریتم ژنتیک گرهی (ANN-GA) و پنج مدل داده کاوی دیگر می پردازد. این مدل ها با استفاده داده های آب وهوایی روزانه بلندمدت از سال ۲۰۰۰ تا ۲۰۲۳ در دو اقلیم متفاوت ارزیابی شدند. ایستگاه های مورد بررسی شامل بیرجند (با اقلیم خشک کویری) و مشهد (با اقلیم نیمه خشک سرد) بود. مقایسه آماری نشان داد که با درنظرگرفتن کلیه پارامترهای اقلیمی مدل هیبریدی ANN-ARO در شهر مشهد با ۹۹۸۶/۰R۲= و ۰۰۰۱/۰ MSE=و در شهر بیرجند با ۹۹۸۶/۰R۲= و ۰۰۰۱/۰MSE= تخمین های بهتری را نسبت به سایر روش ها داشت. هم چنین الگوریتم بهینه سازی ANN_ARO با درنظرگرفتن حداقل پارامتر هواشناسی، به ترتیب با "دما" و "رطوبت نسبی" بهترین تخمین را داشته و هم چنین با درنظرگرفتن دو و سه پارامتر ورودی، عملکرد بهتری نسبت به سایر روش ها دارد. به طورکلی، الگوریتم های بهینه سازی الهام گرفته از طبیعت ابزارهای قوی برای افزایش عملکرد ANN در شبیه سازی ETo هستند و مطابق یافته های این پژوهش، مدل ANN-ARO برای تخمین تبخیر و تعرق مرجع در مناطق اقلیمی مشابه با داده های اقلیمی محدود توصیه می شوند. این مطالعه مدل های قدرتمندی را برای تخمین دقیق ETo با ورودی های محدود در اقلیم های خشک و نیمه خشک پیشنهاد می کند که مفاهیمی عملی برای توسعه کشاورزی دقیق ارائه می دهد.

کلیدواژه ها:

Reference evapotranspiration ، neural network ، artificial rabbit optimizer ، precision agriculture. ، تبخیر و تعرق مرجع ، شبکه عصبی ، بهینه ساز خرگوش مصنوعی ، کشاورزی دقیق

نویسندگان

معین توسن

Ph.D. Student, Water Engineering Department, Faculty of Agriculture, University of Birjand, Birjand, Iran

علی ماروسی

Assistant Professor, Department of Computer Engineering, Technical Faculty, University of Torbat Heydarieh, Torbat Heydarieh, Iran

حسین خزیمه نژاد

Associate Professor, Water Engineering Department, University of Birjand, Birjand, Iran

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 :

Abrishami, N., Sepaskhah, A. R., & Shahrokhnia, M. H. (۲۰۱۹). ...
Adnan, R. M., Liang, Z., Trajkovic, S., Zounemat-Kermani, M., Li, ...
Adnan, R. M., Liang, Z., Yuan, X., Kisi, O., Akhlaq, ...
Adnan, R. M., Mostafa, R. R., Islam, A. R. M. ...
Adnan, R. M., Mostafa, R. R., Kisi, O., Yaseen, Z. ...
Adnan, R. M., Yuan, X., Kisi, O., Adnan, M., & ...
Alizamir, M., Kisi, O., Muhammad Adnan, R., & Kuriqi, A. ...
Allen, R. G., Pruitt, W. O., Wright, J. L., Howell, ...
Alsaiari, A. O., Moustafa, E. B., Alhumade, H., Abulkhair, H., ...
Araghi, A., Adamowski, J., & Martinez, C. J. (۲۰۲۰). Comparison ...
Bagherifam, S., Delavar, M. A., Keshavarz, P., & Karami, P. ...
Bedekar, P. P., & Bhide, S. R. (۲۰۱۰). Optimum coordination ...
Bellido-Jiménez, J. A., Estévez, J., & García-Marín, A. P. (۲۰۲۱). ...
Chia, M. Y., Huang, Y. F., & Koo, C. H. ...
Cui, L., Cui, J., Hao, Z., Li, L., Ding, Z., ...
Dong, J., Liu, X., Huang, G., Fan, J., Wu, L., ...
Dong, Y., & Hansen, H. (۲۰۲۳). Development and design of ...
Ehteram, M., Singh, V. P., Ferdowsi, A., Mousavi, S. F., ...
Fan, J., Ma, X., Wu, L., Zhang, F., Yu, X., ...
Feizi, H., & Tosan, M. (۲۰۱۶, November). Saffron yield variability ...
Feng, T., Su, T., Zhi, R., Tu, G., & Ji, ...
Feng, Y., Hao, W., Li, H., Cui, N., Gong, D., ...
Feng, Y., Jia, Y., Cui, N., Zhao, L., Li, C., ...
Ferreira, L. B., da Cunha, F. F., de Oliveira, R. ...
Ferreira, L. B., da Cunha, F. F., & Fernandes Filho, ...
Gocić, M., Motamedi, S., Shamshirband, S., Petković, D., Ch, S., ...
Gong, D., Hao, W., Gao, L., Feng, Y., & Cui, ...
Goyal, P., Kumar, S., & Sharda, R. (۲۰۲۳). A review ...
Hernandez, F. B. T., Neale, C., de C. Teixeira, A., ...
Jain, S., Nayak, P., & Sudheer, K. (۲۰۰۸). Models for ...
Jiang, Z.-Y., Yang, Z.-G., Zhang, S.-Y., Liao, C.-M., Hu, Z.-M., ...
Kang, Y., Chen, P., Cheng, X., Zhang, S., & Song, ...
Kim, H.-J., Chandrasekara, S., Kwon, H.-H., Lima, C., & Kim, ...
Kisi, O. (۲۰۱۵). Pan evaporation modeling using least square support ...
Kumar, M., Raghuwanshi, N., & Singh, R. (۲۰۱۱). Artificial neural ...
Ladlani, I., Houichi, L., Djemili, L., Heddam, S., & Belouz, ...
Long, X., Wang, J., Gong, S., Li, G., & Ju, ...
Luo, Y., Traore, S., Lyu, X., Wang, W., Wang, Y., ...
Majhi, B., & Naidu, D. (۲۰۲۱). Differential evolution based radial ...
Majhi, B., Naidu, D., Mishra, A. P., & Satapathy, S. ...
Muhammad Adnan, R., Yuan, X., Kisi, O., Yuan, Y., Tayyab, ...
Patil, A. P., & Deka, P. C. (۲۰۱۷). Performance evaluation ...
Radosavljević, J., & Jevtić, M. (۲۰۱۶). Hybrid GSA‐SQP algorithm for ...
Ramezani Moghadam, J., Yaghoubzadeh, M., & Jafarzadeh, A. (۲۰۱۸). Examination ...
Reis, M. M., da Silva, A. J., Junior, J. Z., ...
Rezvani Moghaddam, P., Karbasi, A., Tosan, M., Gharari, F., Feizi, ...
Saha, A., Babu, N. R., Dash, P., Acharya, B., Bhaskar, ...
Sanikhani, H., Kisi, O., Maroufpoor, E., & Yaseen, Z. M. ...
Shamshirband, S., Amirmojahedi, M., Gocić, M., Akib, S., Petković, D., ...
Shiri, J. (۲۰۱۸). Improving the performance of the mass transfer-based ...
Sivasubramani, S., & Swarup, K. S. (۲۰۱۱). Hybrid DE–SQP algorithm ...
Tikhamarine, Y., Malik, A., Pandey, K., Sammen, S. S., Souag-Gamane, ...
Tosan, M., Khashei-Siuki, A., Maroosi, A., & Gharib, M. R. ...
Tosan, M., Alizadeh, A., Ansari, H., & Rezvani Moghaddam, P. ...
Traore, S., Luo, Y., & Fipps, G. (۲۰۱۶). Deployment of ...
Traore, S., Wang, Y.-M., & Kerh, T. (۲۰۱۰). Artificial neural ...
Walls, S., Binns, A. D., Levison, J., & MacRitchie, S. ...
Wang, L., Cao, Q., Zhang, Z., Mirjalili, S., & Zhao, ...
Wang, S., Lian, J., Peng, Y., Hu, B., & Chen, ...
Wen, X., Si, J., He, Z., Wu, J., Shao, H., ...
Wu, L., Huang, G., Fan, J., Ma, X., Zhou, H., ...
Xiong, Y., Chen, X., Tang, L., & Wang, H. (۲۰۲۲). ...
Naeini, S. Y., Mianroudi, S. M., & Tosan, M. (۲۰۱۷). ...
Yaqubi, M., Yaghoobzadeh, M., & Tosan, M. (۲۰۲۴). Factor analysis ...
Yurtseven, I., & Serengil, Y. (۲۰۲۱). Comparison of different empirical ...
باقریفام، صبا، دلاور، کشاورز، محمد امیر، کشاورز، پیمان، و کرمی، ...
رمضانی مقدم، جواد.، یعقوب زاده، مصطفی، جعفرزاده، احمد. (۱۳۹۷). ارزیابی ...
توسن، معین، علیزاده، امین، انصاری، حسین، رضوانی مقدم، پرویز. (۱۳۹۴). ...
References:۱. Abrishami, N., Sepaskhah, A. R., & Shahrokhnia, M. H. ...
Adnan, R. M., Liang, Z., Trajkovic, S., Zounemat-Kermani, M., Li, ...
Adnan, R. M., Liang, Z., Yuan, X., Kisi, O., Akhlaq, ...
Adnan, R. M., Mostafa, R. R., Islam, A. R. M. ...
Adnan, R. M., Mostafa, R. R., Kisi, O., Yaseen, Z. ...
Adnan, R. M., Yuan, X., Kisi, O., Adnan, M., & ...
Alizamir, M., Kisi, O., Muhammad Adnan, R., & Kuriqi, A. ...
Allen, R. G., Pruitt, W. O., Wright, J. L., Howell, ...
Alsaiari, A. O., Moustafa, E. B., Alhumade, H., Abulkhair, H., ...
Araghi, A., Adamowski, J., & Martinez, C. J. (۲۰۲۰). Comparison ...
Bagherifam, S., Delavar, M. A., Keshavarz, P., & Karami, P. ...
Bedekar, P. P., & Bhide, S. R. (۲۰۱۰). Optimum coordination ...
Bellido-Jiménez, J. A., Estévez, J., & García-Marín, A. P. (۲۰۲۱). ...
Chia, M. Y., Huang, Y. F., & Koo, C. H. ...
Cui, L., Cui, J., Hao, Z., Li, L., Ding, Z., ...
Dong, J., Liu, X., Huang, G., Fan, J., Wu, L., ...
Dong, Y., & Hansen, H. (۲۰۲۳). Development and design of ...
Ehteram, M., Singh, V. P., Ferdowsi, A., Mousavi, S. F., ...
Fan, J., Ma, X., Wu, L., Zhang, F., Yu, X., ...
Feizi, H., & Tosan, M. (۲۰۱۶, November). Saffron yield variability ...
Feng, T., Su, T., Zhi, R., Tu, G., & Ji, ...
Feng, Y., Hao, W., Li, H., Cui, N., Gong, D., ...
Feng, Y., Jia, Y., Cui, N., Zhao, L., Li, C., ...
Ferreira, L. B., da Cunha, F. F., de Oliveira, R. ...
Ferreira, L. B., da Cunha, F. F., & Fernandes Filho, ...
Gocić, M., Motamedi, S., Shamshirband, S., Petković, D., Ch, S., ...
Gong, D., Hao, W., Gao, L., Feng, Y., & Cui, ...
Goyal, P., Kumar, S., & Sharda, R. (۲۰۲۳). A review ...
Hernandez, F. B. T., Neale, C., de C. Teixeira, A., ...
Jain, S., Nayak, P., & Sudheer, K. (۲۰۰۸). Models for ...
Jiang, Z.-Y., Yang, Z.-G., Zhang, S.-Y., Liao, C.-M., Hu, Z.-M., ...
Kang, Y., Chen, P., Cheng, X., Zhang, S., & Song, ...
Kim, H.-J., Chandrasekara, S., Kwon, H.-H., Lima, C., & Kim, ...
Kisi, O. (۲۰۱۵). Pan evaporation modeling using least square support ...
Kumar, M., Raghuwanshi, N., & Singh, R. (۲۰۱۱). Artificial neural ...
Ladlani, I., Houichi, L., Djemili, L., Heddam, S., & Belouz, ...
Long, X., Wang, J., Gong, S., Li, G., & Ju, ...
Luo, Y., Traore, S., Lyu, X., Wang, W., Wang, Y., ...
Majhi, B., & Naidu, D. (۲۰۲۱). Differential evolution based radial ...
Majhi, B., Naidu, D., Mishra, A. P., & Satapathy, S. ...
Muhammad Adnan, R., Yuan, X., Kisi, O., Yuan, Y., Tayyab, ...
Patil, A. P., & Deka, P. C. (۲۰۱۷). Performance evaluation ...
Radosavljević, J., & Jevtić, M. (۲۰۱۶). Hybrid GSA‐SQP algorithm for ...
Ramezani Moghadam, J., Yaghoubzadeh, M., & Jafarzadeh, A. (۲۰۱۸). Examination ...
Reis, M. M., da Silva, A. J., Junior, J. Z., ...
Rezvani Moghaddam, P., Karbasi, A., Tosan, M., Gharari, F., Feizi, ...
Saha, A., Babu, N. R., Dash, P., Acharya, B., Bhaskar, ...
Sanikhani, H., Kisi, O., Maroufpoor, E., & Yaseen, Z. M. ...
Shamshirband, S., Amirmojahedi, M., Gocić, M., Akib, S., Petković, D., ...
Shiri, J. (۲۰۱۸). Improving the performance of the mass transfer-based ...
Sivasubramani, S., & Swarup, K. S. (۲۰۱۱). Hybrid DE–SQP algorithm ...
Tikhamarine, Y., Malik, A., Pandey, K., Sammen, S. S., Souag-Gamane, ...
Tosan, M., Khashei-Siuki, A., Maroosi, A., & Gharib, M. R. ...
Tosan, M., Alizadeh, A., Ansari, H., & Rezvani Moghaddam, P. ...
Traore, S., Luo, Y., & Fipps, G. (۲۰۱۶). Deployment of ...
Traore, S., Wang, Y.-M., & Kerh, T. (۲۰۱۰). Artificial neural ...
Walls, S., Binns, A. D., Levison, J., & MacRitchie, S. ...
Wang, L., Cao, Q., Zhang, Z., Mirjalili, S., & Zhao, ...
Wang, S., Lian, J., Peng, Y., Hu, B., & Chen, ...
Wen, X., Si, J., He, Z., Wu, J., Shao, H., ...
Wu, L., Huang, G., Fan, J., Ma, X., Zhou, H., ...
Xiong, Y., Chen, X., Tang, L., & Wang, H. (۲۰۲۲). ...
Naeini, S. Y., Mianroudi, S. M., & Tosan, M. (۲۰۱۷). ...
Yaqubi, M., Yaghoobzadeh, M., & Tosan, M. (۲۰۲۴). Factor analysis ...
Yurtseven, I., & Serengil, Y. (۲۰۲۱). Comparison of different empirical ...

نمایش کامل مراجع