مقایسه مدل های عصبی-فازی و شبکه عصبی در تعیین تبخیر-تعرق نواحی نیمه خشک با داده های محدود

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 388

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM06_071

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

تبخیر-تعرق یکی از پارامترهای مهم در چرخه هیدرولوژی است که بر میزان آب در دسترس و کشاورزی تاثیر مستقیم می گذارد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج عصبی-فازی تطبیقی در بهبود میزان تبخیر-تعرق روزانه گیاه مرجع (Etu) پرداخته شد. داده های اقلیمی بکار گرفته شده در این مطالعه، شامل دمای هوا، تشعشع خورشیدی، سرعت باد و رطوبت نسبی میباشد که از دو ایستگاه هواشناسی جلفا و مراغه واقع در شمال و جنوب استان آذربایجان شرقی اخذ گردیده و به عنوان ورودی های مدل عصبی-فازی به منظور تخمین میزان Et0 براساس معادله پنمن-فائو-مونتیث مورد استفاده قرار گرفتند. حاصل تحقیق بیانگر دقت بالای مدل شبکه عصبی مصنوعی با مقادیر RMSE بین 0/3714 تا 1/8302 میلی متر بر روز در تخمین میزان تبخیر-تعرق (نیاز آبی) روزانه گیاه مرجع می باشد. مدل های عصبی-فازی تطبیقی با مقادیر RMSE بین 0/3728 تا 1/8436 میلیمتر بر روز می باشد.

کلیدواژه ها:

تبخیر-تعرق گیاه مرجع ، سیستم عصبی-فازی ، شبکه های عصبی مصنوعی

نویسندگان

بهرام مام کریمی

دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه تبریز

سامان معروف پور

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز

جلال شیری

استادیار گروه مهندسی آب دانشگاه تبریز

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 :
  • ] [علیزاده، امین؛ میرشاهی، بابک؛ هاشمی نیا، مجید؛ ثنایی نژاد، ...
  • ]4[سبزی پرور، علی اکبر؛ میر مسعودی، شقایق؛ ناظم السادات، محمدجعفر ...
  • 20. Liu, S., J. Bai, Z. Jia, L. Jia, H. ...
  • Grismer, M.ASCE, Orang, Morteza and Matyac, Scott, (2002), "Pan Evaporation ...
  • Allen, R.G. and W.O. Pruitt. 1991. FAO-24 reference Ev apotransp ...
  • Jensen, M.E., R.D. Burman and R.G. Allen. 1990. Ev apotransp ...
  • Kumar M, Raghuwanshi NS, Singh R, Wallender WW, and Pruitt ...
  • Kisi O, _ Evap otranspiration modeling from climate data using ...
  • Palit AK, and Popovic D, 2005. Computational Intelligence in Time ...
  • Ghabaei Sough, M, Mosaedi, A., Hesam, M. and Hezarjaribi, A. ...
  • Shiri J, Dierickx W, Pour-Ali Baba A, Neamati S, and ...
  • Jang JSR, 1993. ANFIS adapti ve-network- ased fuzzy inference system. ...
  • Abonyi, J., Andersen, H., Nagy, L. Szeifert, F., 1999. Inverse ...
  • Kenredy, P., Condon, M., Dowling, J., 2003. Torque-ripple minimization in ...
  • نمایش کامل مراجع