ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مدل سازی تبخیرتعرق با استفاده از رگرسیون خطی، غیرخطی و شبکه عصبی مصنوعی درگلخانه (مطالعه موردی گیاه مرجع، خیار و گوجه فرنگی)

سال انتشار: 1394
کد COI مقاله: JR_JSW-29-5_001
زبان مقاله: فارسیمشاهده این مقاله: 206
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی تبخیرتعرق با استفاده از رگرسیون خطی، غیرخطی و شبکه عصبی مصنوعی درگلخانه (مطالعه موردی گیاه مرجع، خیار و گوجه فرنگی)

وحید رضاوردی نژاد - استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
مریم شبانیان اصل - دانش آموخته گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
سینا بشارت - استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه

چکیده مقاله:

در این مطالعه تبخیرتعرق روزانه گیاه مرجع، گوجه فرنگی و خیار گلخانه ای به روش لایسیمتری در منطقه ارومیه اندازه گیری شد. برای مدل سازی تبخیرتعرق در گلخانه، انواع مدل های رگرسیون های خطی، غیرخطی و شبکه های عصبی مصنوعی در نظر گرفته شد . برای این منظور پارامترهای اقلیمی موثر بر فرایند تبخیرتعرق شامل دما T، رطوبت نسبی RH، فشار هوا P، کمبود فشار بخار اشباع VPD، تشعشع داخل گلخانه SR تعداد روز پس از کشت N اندازه گیری و در نظر گرفته شدند. براساس نتایج، تابع نمایی سه متغیره ازSR و RH ،VPD با RMSE برابر 0/378 میلی متر بر روز، دقیق ترین مدل رگرسیون در تخمین تبخیرتعرق مرجع به دست آمد RMSE مدل بهینه شبکه عصبی مصنوعی در تخمین تبخیر تعرق مرجع برای داده های آزمایش و آزمون به ترتیب 0/089 و 0/364 میلی متر بر روز به دست آمد. در تخمین تبخیرتعرق خیار، عملکرد مدل های لگاریتمی و نمایی به ویژه در تعداد متغیر مستقل زیاد، مناسب بود و دقیق ترین مدل رگرسیون مربوط به تابع نمایی با پنج متغیر RH ،T ،VPD ،N و SR با RMSE برابر با 0/353 میلی متر بر روز به دست آمد. همچنین در تخمین تبخیرتعرق گوجه فرنگی، دقیقترین عملکرد مدل های رگرسیون برای تابع نمایی چهار متغیره از SR و RH ،VPD ،N با RMSE برابر 0/329 میلی متر بر روز به دست آمد . بهترین عملکرد شبکه عصبی مصنوعی برای تخمین تبخیرتعرق هر دو محصول خیار و گوجه فرنگی، با پنج پارامتر ورودی RH ،N ،T ،VPD و SR به دست آمد. مقادیر RMSE داده های آزمون تبخیرتعرق خیار و گوجه فرنگی به ترتیب0/24 و 0/26 میلی متر بر روز به دست آمد که نشان دهنده ی عملکرد دقیق تر شبکه های عصبی در مقایسه با رگرسیون خطی و غیرخطی می باشد.

کلیدواژه ها:

ارزیابی عملکرد، رگرسیون چندمتغیره، متغیرهای هواشناسی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JSW-29-5_001 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/666741/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رضاوردی نژاد، وحید و شبانیان اصل، مریم و بشارت، سینا،1394،مدل سازی تبخیرتعرق با استفاده از رگرسیون خطی، غیرخطی و شبکه عصبی مصنوعی درگلخانه (مطالعه موردی گیاه مرجع، خیار و گوجه فرنگی)،https://civilica.com/doc/666741

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، رضاوردی نژاد، وحید؛ مریم شبانیان اصل و سینا بشارت)
برای بار دوم به بعد: (1394، رضاوردی نژاد؛ شبانیان اصل و بشارت)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 13,164
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی