تعیین پارامترهای موثر در برآورد تبخیر و تعرق گیاه مرجع با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: استان لرستان)
Publish place: Irrigation and Drainage، Vol: 9، Issue: 4
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 153
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-9-4_006
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
اگر چه روشهای متعددی جهت محاسبه تبخیر و تعرق گیاه مرجع (ETo) وجود دارد ولی روش فائو- پنمن- مانتیث از طرف سازمان خوار و بار جهانی به عنوان روش استاندارد توصیه شده است. استفاده از این روش به دلیل نیاز به پارامترهای متعدد هواشناسی و محاسبات پیچیده مشکل میباشد. از طرفی شبکههای عصبی مصنوعی در چند دههی اخیر برای مدلسازی سیستمهای پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان دادهاند. مطالعه حاضر بهمنظور بررسی میزان حساسیت ETo نسبت به پارامترهای اقلیمی با استفاده از شبکه عصبی در استان لرستان صورت گرفته است. بدین منظور تبخیر و تعرق روزانه برای یک دوره ده ساله (۲۰۱۰-۲۰۰۱) به روش فائو- پنمن- مانتیث بر اساس دادههای هواشناسی روزانه از ۸ ایستگاه هواشناسی در استان لرستان محاسبه گردید. سپس یک شبکه عصبی مصنوعی با ۱۸ سناریو طراحی گردید. ترکیبات شش پارامتر هواشناسی (دمای حداکثر و حداقل، رطوبت نسبی حداقل و حداکثر، سرعت باد در ارتفاع دو متری و ساعت آفتابی روزانه) مورد نیاز برای محاسبه ETo با استفاده از فرمول پنمن مانتیث به عنوان ورودی شبکه و ETo محاسبه شده به عنوان خروجی شبکه در سناریوهای مختلف در نظر گرفته شد. نتایج حاصل از این تحقیق نشان داد که افزایش تعداد اطلاعات در لایه ورودی لزوما منجر به بهبود نتایج مدلهای هوشمند نمیشود. در شرایط کمبود دادههای هواشناسی سناریوی شماره ۱۳ که شامل دو پارامتر دمای حداکثر و سرعت باد به عنوان ورودی شبکه بود برآوردهای معقولی در بر داشت.
Keywords:
Authors
مریم صارمی
کارشناس ارشد، گروه مهندسی آب، دانشگاه رازی، کرمانشاه، ایران
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 :