ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

برآورد تبخیر روزانه از تشت تبخیر با استفاده از روش های یادگیری ماشینی

Year: 1397
COI: JR_IDJ-12-4_021
Language: PersianView: 24
This Paper With 12 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سعید صمدیان فرد - گروه مهندسی آب، دانشگاه تبریز
سجاد هاشمی - دانشجوی کارشناسی مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
مجتبی ایزدیار - دانشجوی کارشناسی مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

Abstract:

تبخیر یکی از اصلی ترین فرایندها در چرخه ی آبی طبیعت و یکی از مهمترین عوامل در مطالعات کشاورزی، هیدرولوژیکی، هواشناسی، بهره برداری مخازن، طراحی سیستم های آبیاری و زهکشی، زمان بندی آبیاری و مدیریت منابع آب می باشد. بنابراین شبیه سازی هرچه دقیق تر مقدار تبخیر از اهمیت بالایی در مطالعات هیدرولوژیکی برخوردار است. در این راستا و در تحقیق حاضر، از روش های هوشمند برنامه ریزی ژنتیک، رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی برای برآورد و شبیه سازی مقادیر تبخیر از تشت در ایستگاه های هواشناسی تبریز و جلفا استفاده شده است بدین منظور، از داده های هواشناسی تبخیر، دما، رطوبت نسبی، سرعت باد و تابش خورشیدی ایستگاه های مذکور در بازه زمانی بیست ساله (۱۳۹۰-۱۳۷۱) استفاده شده و دقت روش های مورد مطالعه با استفاده از پارامترهای آماری جذر میانگین مربعات خطا، میانگین خطای مطلق، ضریب همبستگی و همچنین دیاگرام تیلور مورد بررسی قرار گرفت. نتایج حاصل از این پژوهش نشان دادند که در بهینه ترین حالت و به ترتیب در ایستگاه های تبریز و جلفا، برنامه ریزی ژنتیک با دارا بودن خطای ۲.۱۸ و ۲.۶۸، رگرسیون بردار پشتیبان با خطای ۲.۱۹ و ۲.۲۲ و شبکه عصبی مصنوعی با خطای ۲.۱۴ و ۲.۲۱ عملکرد مناسبی در شبیه سازی مقدار تبخیر داشته اند. در نهایت برای ایستگاه تبریز سناریو دوم روش شبکه عصبی مصنوعی با پارامترهای ورودی دما و سرعت باد و برای ایستگاه جلفا سناریو هفتم روش شبکه عصبی مصنوعی با پارامترهای ورودی دما، رطوبت نسبی، سرعت باد و تابش خورشیدی و دارا بودن بهترین عملکرد، به عنوان مدل هایی با دقت مناسب برای شبیه سازی مقدار تبخیر از تشت پیشنهادگردید.

Keywords:

Paper COI Code

This Paper COI Code is JR_IDJ-12-4_021. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1211046/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
صمدیان فرد، سعید و هاشمی، سجاد و ایزدیار، مجتبی،1397،برآورد تبخیر روزانه از تشت تبخیر با استفاده از روش های یادگیری ماشینی،https://civilica.com/doc/1211046

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 :

  • اسدپور اصل،ر.، ستاری،م. ۱۳۹۴. پیش­بینی عمق حفره آبشستگی اطراف پایه ...
  • رحیمی­خوب،ع. ۱۳۸۶. تدوین مدل شبکه عصبی مصنوعی تبخیر از تشت ...
  • زارع ابیانه،ح.، مقدم­نیا،ع.، بیات ورکشی،م.، قاسمی،ع. ۱۳۸۹. تغییرات مکانی تبخیر ...
  • ستاری،م.ت.، اسمعیل­زاده،ب. ۱۳۹۵. مقایسه نتایج مدل درختی M۵ و برنامه­ریزی ...
  • سلطانی،ع.، قربانی،م.ع.، فاخری­فرد،ا.، دربندی،ص.، فرسادی­زاده،د. ۱۳۸۹. برنامه­ریزی ژنتیک و کاربرد ...
  • شایان­نژاد،م.، ساداتی­نژاد،س.ج. ۱۳۸۷. تخمین تبخیر و تعرق پتانسیل روزانه گیاه ...
  • صمدیان­فرد،س.، اسدی،ا. ۱۳۹۶. پیش­بینی نمایه خشک­سالی SPI به رگرسیون بردار ...
  • غضنفری هاشمی،س.، اعتماد شهیدی،ا. ۱۳۹۱. پیش­بینی عمق آبشستگی اطراف پایه ...
  • فلاح قالحری،غ.، شاکری،ف. ۱۳۹۴. کاربرد شبکه عصبی مصنوعی در پیش­بینی ...
  • قره­خانی،ا.، قهرمان،ن.، بذر افشان،ج. ۱۳۸۹. مطالعه روند تغییرات تبخیر از ...
  • کارآموز،م.، عراقی­نژاد،ش. ۱۳۹۳. هیدرولوژی پیشرفته. انتشارات دانشگاه صنعتی امیرکبیر. تهران. ...
  • منهاج،م.ب. ۱۳۸۴. مبانی شبکه­های عصبی (هوش محاسباتی). چاپ سوم. انتشارات ...
  • مهدوی،س.، رحیمی­خوب،ع.، منتظر،ع.ا. ۱۳۹۰. مدل شبکه عصبی مصنوعی تبخیر ماهانه ...
  • Boser,B.E., Guyon,I.M and Vapnik,V.N. ۱۹۹۲. A training algorithm for optimal ...
  • Gleckler,P.J., Taylor,K.E and Doutriaux,C. ۲۰۰۸. Performance metrics for climate models. ...
  • Koza,J.R. ۱۹۹۲. Genetic Programming: On the Programming of Computers by ...
  • Taylor,K.E. ۲۰۰۱. Summarizing multiple aspects of model performance in a ...
  • Terzi,O. ۲۰۱۰. Modeling of daily pan evaporation of lake Egirdir ...
  • Vapnik,V. ۱۹۹۵. The Nature of Statistical Learning Theory. Springer, New ...
  • Vapnik,V., Golowich,S., Smola,A. ۱۹۹۷. Support vector method for function approximation, ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

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

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: دانشگاه دولتی
    Paper count: 20,916
    In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

    Share this page

    More information about COI

    COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

    The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

    Support