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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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:
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 :