ارزیابی عملکرد شبکههای عصبی مصنوعیMLP و RBF در برآورد تبخیر- تعرق گیاه مرجع دراستان گیلان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 482

فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGROCONGRESS01_347

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

به منظور تعیین آب مصرفی اراضی، ظرفیت کانال ها و طراحی سیستم های آب، حجم مخازن وسد ها و دیگر موارد لازم است تا مقدار تبخیر- تعرق با دقت هرچه بیشتر محاسبه گردد. در تحقیق حاضر، امکان استفاده از شبکه های با تابع پایه ی شعاعی (RBF) و شبکه های پرسپترون چندلایه (MLP) برای تخمین تبخیر- تعرق گیاه مرجع مورد نظر قرارگرفت. با استفاده از سری داده های هواشناسی 11 ایستگاه موجود در استان گیلان، ابتدا مقادیر متوسط تبخیر- تعرق ماهانه ی گیاه مرجع از روش استاندارد پنمن- مانتیث فائو (PM)، محاسبه شد. با تعریف 5 سناریو بر مبنای ورودی مدل، شبکه های مختلفی با ساختار متفاوت تعریف و با استفاده از 60 درصد داده ها آموزش داده شد. آزمون شبکه ها برای تخمین تبخیر- تعرق با استفاده از 25 درصد داده ها انجام شد، 15 درصد دیگر برای صحت سنجی استفاده شد. بر اساس نتایج، سناریوی 1 با ورودی تبخیر بهترین عملکرد را درتخمین تبخیر- تعرق مرجع برای هر دو شبکه داشت. دقت شبکه MLPدر تخمین تبخیر- تعرق مرجع بیشتر بود و تنها مزیت شبکه یRBF زمان کمتر مورد نیاز برای آموزش است.

کلیدواژه ها:

پنمن- مانتیث فائو ، شبکه های پرسپترون چندلایه ، شبکه توابع پایه ی شعاعی

نویسندگان

مریم رضایی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی، دانشگاه گیلان

نادر پیرمرادیان

استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان

افشین اشرف زاده

استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان

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 :
  • Allen RG, Pereira LS, Raes D and Smith M, 1998.Crop ...
  • Anonymous, 2007. Neural network toolbox 5, Users guide, 9th printing ...
  • Haykin S, 1999. Neural networks: A comprehensive foundation. N, Prentice-Hal ...
  • Jensen M.E. Burman R. D and Allen R., 1990. Evap ...
  • Kumar, M., N.S. Raghuwanshi, R. Singh, w.W. Wailender and W.O. ...
  • Liu S. J. Bai Z. Jia L. Jia H. Zhou ...
  • Odhiambo, L.O., R.E. Yoder, D.C. Yoder and J.W. Hines _ ...
  • SammerD v.P.S. Oliveira.M. Jacobs J.M. 2005. utility of pen man- ...
  • Sudheer, K.P., A. Gosain, and K.S. Ramasastri. 2003. Estimating actual ...
  • Zanetti, S.S., E.F. Sousa, _ F.T. Almeida and S. Bernardo. ...
  • نمایش کامل مراجع