مقایسه مدل های KNNو درخت تصمیم M۵ در پیش بینی تبخیر و مقایسه آن با مدل های تجربی (مطالعه موردی بیرجند)
Publish place: Irrigation and Drainage، Vol: 11، Issue: 3
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 356
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_IDJ-11-3_004
Index date: 15 May 2021
مقایسه مدل های KNNو درخت تصمیم M۵ در پیش بینی تبخیر و مقایسه آن با مدل های تجربی (مطالعه موردی بیرجند) abstract
در نواحی خشک و نیمه خشک تبخیر از سطح خاک بخش مهمی از بیلان آب در خاک است. در این تحقیق برای برآورد تبخیر از سطح آزاد آب از معادلات تجربی هفنر، شاهتین، مارسیانو، تیچومیروف، ایوانف، سازمان عمران اراضی آمریکا و مایر استفاده شد و این معادلات در منطقه مورد مطالعه اصلاح گردید. از مدل KNN و درخت تصمیم M۵ نیز به عنوان یکی از شیوه های داده کاوی برای برآورد تبخیر از سطح آزاد آب بهره گرفته شد. بدین منظور از داده های هواشناسی ایستگاه همدیدی بیرجند برای یافتن بهترین داده های ورودی اثرگذار بر تبخیر استفاده گردید. همچنین آزمون گاما برای یافتن بهترین ترکیب پارامترهای ورودی برای برآورد تبخیر اجرا گشت. برای مقایسه نتایج آماره ها ریشه متوسط خطـای مربعـات (RMSE)، ضریب همبستگی (R۲) و متوسط قدر مطلق خطا (MAE) مورد تحلیل قرار گرفت. نتایج نشان داد که در اکثر موارد مدل درخت تصمیم M۵ نتایج مطلوب تری را نسبت به مدل KNN و معادلات تجربی حاصل می کند اما معادلهی مایر اصلاح شده برای منطقهی بیرجند به دلیل داشتن ضریب همبستگی ۸۱/۰ و خطای ۰۶/۲ همواره برآورد بهتری از تبخیر سطح آزاد آب ارایه می دهد.
مقایسه مدل های KNNو درخت تصمیم M۵ در پیش بینی تبخیر و مقایسه آن با مدل های تجربی (مطالعه موردی بیرجند) Keywords:
مقایسه مدل های KNNو درخت تصمیم M۵ در پیش بینی تبخیر و مقایسه آن با مدل های تجربی (مطالعه موردی بیرجند) authors
آتنا خلیلی نفت چالی
دانشجوی دکتری مهندسی علوم آب، دانشگاه بیرجند
عباس خاشعی سیوکی
دانشیار گروه مهندسی علوم آب، دانشگاه بیرجند
علی شهیدی
دانشیار گروه مهندسی علوم آب، دانشگاه بیرجند
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 :