مقایسه عملکرد مدلهای خطی تعمیمیافته، جنگل تصادفی و درخت گرادیان بوستینگ در برآورد تبخیر- تعرق گیاه مرجع (مطالعه موردی: دشت سیستان)

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 330

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWSS-23-5_029

تاریخ نمایه سازی: 21 اردیبهشت 1400

Abstract:

تخمین تبخیر- تعرق گیاه مرجع یکی از مهمترین مولفهها در مطالعات هیدرولوژی، برنامهریزی آبیاری و مدیریت منابع آب است. در این پژوهش به ارزیابی مدلهای خطی تعمیمیافته، جنگل تصادفی و درخت گرادیان بوستینگ در شرایط دادههای اقلیمی منطقه سیستان پرداخته شد. دادههای مورد استفاده شامل دمای حداکثر، دمای حداقل، دمای میانگین، رطوبت حداکثر، رطوبت حداقل، رطوبت میانگین، بارش، ساعات آفتابی، سرعت باد و تبخیر از تشت بین سالهای ۱۳۸۷ تا ۱۳۹۶ بود. با ارائه الگوهای مختلف شامل ترکیبی از پارامترهای هواشناسی بهعنوان ورودیهای مدل در مقیاس زمانی روزانه، مقدار تبخیر- تعرق توسط مدلهای پیشنهادی بهعنوان خروجی مدل برآورد شد. همچنین قابلیت پیشبینی این مدلها، در مقایسه نتایج آنها با نتایج روش فائو- پنمن- مانتیث بهعنوان روش مبنا ارزیابی شد. در بین الگوهای مورد بررسی، الگوی M۱ که دارای بیشترین تعداد پارامترهای هواشناسی ورودی (۱۰ پارامتر) بود، با کمترین خطا ۰/۶۳۳ RMSE = و ۰/۴۵۱ MAE = و بیشترین ضریب همبستگی ۰/۹۹۳ R= برای مدل درخت گرادیان بوستینگ، بهترین عملکرد را در بین مدلها و الگوهای بالا نشان داد. با انجام فرایند حساسیتسنجی پارامترها، دمای هوا بهعنوان مهمترین متغیر موثر برای الگوهای انتخابی در هر سه مدل مطالعهشده، بهدست آمد. بنابراین افزایش دقت و صحت دادههای دما، میتواند به افزایش دقت مدلهای پیشنهادی کمک کند. استفاده از مدل درخت گرادیان بوستینگ توانست بیش از ۷۰ درصد، زمان اجرای مدل را در مقایسه با سایر مدلهای مورد مطالعه کاهش دهد. درنهایت این پژوهش، مدل درخت گرادیان بوستینگ را برای برآورد تبخیر- تعرق در منطقه دشت سیستان توصیه میکند.

Authors

هادی سیاسر

۱. Department of Agriculture, Payame Noor University (PNU), Tehran, Iran.

تورج هنر

۲. Department of Water Engineering, Faculty of Agriculture, Shiraz University, Shiraz, Iran.

محمد عبداللهی پور

۳. Department of Irrigation and Soil Physics, Soil and Water Research Institute, Karaj, Iran.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Allen, R. G., L. S. Pereira, D. Raes and M. ...
  • Breiman, L. 1999. Using adaptive bagging to debias regressions. Technical ...
  • Breiman, L. 2001. Random forests. Machine Learning 45(1): 5-32 ...
  • Chandler, R. E. and H. S. Wheater. 2002. Analysis of ...
  • DehghaniSanij, H., T. Yamamoto and V. Rasiah. 2004. Assessment of ...
  • Diamantopoulou, M., P. Georgiou and D. Papamichail. 2011. Performance evaluation ...
  • Dou, X. and Y. Yang. 2018. Evapotranspiration estimation using four ...
  • Feng, Y., N. Cui, D. Gong, Q. Zhang and L. ...
  • Ferreira, L. B., F. F. Da Cunha, R. A. De ...
  • Granata, F. 2019. Evapotranspiration evaluation models based on machine learning ...
  • Haghighatjou, P. and A. M. AkhondAli. 2008. Computation of evapotranspiration ...
  • Jabloun, M. and A. Sahli. 2008. Evaluation of FAO-56 methodology ...
  • Jain, S., P. Nayak and K. Sudheer. 2008. Models for ...
  • Keskin, M. E., O. Terzi, E. D. Taylan and D. ...
  • Kişi, Ö. 2009. Modeling monthly evaporation using two different neural ...
  • Koulaian, A., M. A. Gholami Sefidkouhi and M. Ziatabar Ahmadi. ...
  • Luo, Y., S. Traore, X. Lyu, W. Wang, Y. Wang, ...
  • Malohlava, M. and A. Candel. 2018. Gradient boosting machine with ...
  • Mattar, M. A., A. A. Alazba, B. Alblewi, B. Gharabaghi ...
  • Mendicino, G. and A. Senatore. 2013. Regionalization of the Hargreaves ...
  • McCullagh, P. 1984. Generalized linear models. European Journal of Operational ...
  • Nelder, J. A. and R. J. Baker. 1972. Generalized Linear ...
  • Nykodym, T., T. Kraljevic, N. Hussami, A. Rao and A. ...
  • Perera, K. C., A. W. Western, B. Nawarathna and B. ...
  • Piri, H. 2012. Assessment of computational methods of estimation of ...
  • Pregibon, D. and T. J. Hastie. 2017. Generalized linear models. ...
  • Rahimikhoob, A. 2014. Comparison between M5 model tree and neural ...
  • Rongfan, C., S. Shanlei, C. Haishan and S. Zhou. 2018. ...
  • Saggi, M. K. and S. Jain. 2019. Reference evapotranspiration estimation ...
  • Sayyadi, H., A. Oladghaffari, A. Faalian and A. A. Sadraddini. ...
  • Snyder, R. L., C. Palmer, M. Orang and M. Anderson. ...
  • Tabari, H. 2010. Evaluation of reference crop evapotranspiration equations in ...
  • Tabari, H., M. E. Grismer and S. Trajkovic. 2013. Comparative ...
  • Tabari, H., O. Kisi, A. Ezani and P. H. Talaee. ...
  • Tang, D., Y. Feng, D. Gong, W. Hao and N. ...
  • Traore, S., Y. M. Wang and T. Kerh. 2010. Artificial ...
  • Valipour, M., M. A. Gholami Sefidkouhi and M. Raeini-Sarjaz. 2017. ...
  • Wen, X., J. Si, Z. He, J. Wu, H. Shao ...
  • نمایش کامل مراجع