برآورد باران موثر با استفاده از سیستم استنتاج تطبیقی عصبی- فازی (ANFIS)
محل انتشار: سومین همایش ملی مدیریت جامع منابع آب
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 761
فایل این مقاله در 8 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:
NCUIMWR03_151
تاریخ نمایه سازی: 15 اسفند 1393
چکیده مقاله:
بارش اساسی ترین عنصر اقلیمی است که در حدود سراسر کره خاکی را تحت تأثیر خود قرار میدهد. در استان آذربایجان شرقی که بارش سالانه آن نسبت به متوسط بارش جهانی بسیار کمتر است و قسمت عمده آب استحصالی آن در بخش کشاورزی به مصرف میرسد، بهتر است علاوه بر استفاده از سیستمهای آبیاری نوین، در برآورد نیاز آبی گیاه نیز تجدید نظر شود تا با توجه به بحران در زمینه آب بتوان آن را بهینه مصرف نمود. یکی از مواردی که با برآورد دقیقتر آن میتوان به مصرف بهینه آب درکشاورزی کمک نمود باران موثر است. بخشی از بارش که در طی دوره رشد یک گیاه دریافت شده و برای تولید محصول مورد استفاده قرار میگیرد به نام باران موثر شناخته میشود. در این تحقیق چهار ایستگاه بناب، بستان آباد، کلیبر و مراغه به عنوان نمونه شهرهایی از استان آذربایجان شرقی انتخاب و با استفاده از روش SCS، باران موثر ماهانه آن برای دوره آماری 5 تا 10 ساله محاسبه شد. از قابلیت مدلسازی سیستم استنتاج تطبیقی عصبی فازی (ANFIS) برای برآورد باران موثر درایستگاههای مورد مطالعه استفاده شد. به منظور ارزیابی کارایی مدل، نتایج روش SCS در ایستگاهها با نتایج مدل مورد مطالعه مقایسه شدند. بدین منظور از معیار ضریب تبیین (R^2) و جذر میانگین مربعات خطا (RMSE) و متوسط خطای سوءگیری (MBE) استفاده گردید. نتایج نشان داد که مدل از دقت خوبی برای برآورد باران مؤثر برخوردار بوده و خطای مدل در حد ناچیز است. ضمناً مدل توانایی برآورد باران مؤثر را از روی بارش بطور مستقیم دارد.
کلیدواژه ها:
نویسندگان
وحید عظیمی
دانش آموخته گروه مهندسی آب، دانشکده کشاورزی دانشگاه تبریز
زینب شیخعلی پور
دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل
سید محمود طباطبایی
استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل
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 :