کاربرد مدل های ماشین بردار پشتیبان، چاید و جنگل تصادفی در برآورد تبخیر تعرق مرجع روزانه درشمال استان سیستان وبلوچستان

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 278

This Paper With 11 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_IDJ-13-2_010

تاریخ نمایه سازی: 25 اردیبهشت 1400

Abstract:

تبخیر- تعرق به عنوان یکی از اجزا مهم چرخه هیدرولوژیک نقش بسیار بزرگی در برنامه ریزی ومدیریت منابع آبی در مناطق خشک ونیمه خشک ایفا می کند. اندازه گیری دقیق تبخیر- تعرق نیازمند ابزاری گران قیمت می باشد که امکان استفاده از آن ها در همه نقاط وجود ندارد. از این رو محققان همواره به دنبال روابط و روش های کاربردی، کم هزینه و با دقت مناسب برای برآورد صحیح مقدار این پارامتر بوده اند. روش های متعددی برای برآورد صحیح تبخیر تعرق در سراسر دنیا توسعه داده شده است. از جمله این روش ها می توان به معادلات تجربی و روش های داده محور از جمله شبکه های عصبی -مصنوعی، ماشین بردار پشتیبان و مدل های درختی اشاره نمود. لذا هدف از این پژوهش بررسی دقت و قابلیت مدل های ماشین بردار پشتیبان ، درخت تصمیم نوع چاید وجنگل تصادفی در تخمین تبخیر-تعرق مرجع می باشد. داده های مورد استفاده در این تحقیق شامل دمای حداکثر، دمای حداقل، دمای میانگین، رطوبت حداکثر، رطوبت حداقل، رطوبت میانگین، بارش، ساعات آفتابی، سرعت باد وتبخیراز تشت از ایستگاه هواشناسی دشت سیستان بین سالهای ۲۰۱۸-۲۰۰۹ می باشند. در این پژوهش، ابتدا با استفاده از داده های هواشناسی و مدل فائو پنمن مانتیث مقادیر تبخیر تعرق محاسبه و سپس با ارائه سناریوهای ترکیبی مختلف از پارامترهای هواشناسی به عنوان ورودی مدل های مورد مطالعه (ماشین بردار پشتیبان ، درخت تصمیم نوع چاید وجنگل تصادفی) در مقیاس زمانی روزانه سعی در برآوردی دقیق تر از تبخیر–تعرق مرجع به عنوان خروجی مدل ها شده است. در این تحقیق به منظور مقایسه مدل های مختلف ازشاخص های آماری ضریب همبستگی (R) و قدرمطلق خطا(MAE) استفاده شده است. بررسی نتایج نشان دادند که از میان مدل های ماشین بردار پشتیبان، چاید وجنگل تصادفی، مدل جنگل تصادفی با الگوی M۷ بیشترین دقت را با ضریب همبستگی(R=۰.۹۸۳) و کمترین میانگین قدرمطلق خطا(MAE=۰.۷۹۸) دارد. بنابراین این پژوهش مدل جنگل تصادفی را برای برآورد تبخیر وتعرق در منطقه دشت سیستان توصیه می کند.

Keywords:

مدل چاید , مدل ماشین بردار پشتیبان خطی , فائو پنمن-مانتیث , مدل جنگل تصادفی

Authors

هادی سیاسر

هیات علمی

تورج هنر

بخش آب دانشگاه شیراز

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. Smith. ۱۹۹۸. ...
  • Booker, D.J. and Snelder, T. H. ۲۰۱۲. Comparing methods for ...
  • Boulesteix, A.L, Janitza, S. Kruppa, J, and König IR. ۲۰۱۲. ...
  • Breiman, L., ۲۰۰۱. Application and analysis of random forests and ...
  • Chen S.T., Yu P.Sh., and Tang H.Y. ۲۰۱۰. Statistical downscaling ...
  • Dehghanisanij, H., T. Yamamoto and V. Rasiah. ۲۰۰۴. Assessment of ...
  • Gislason, PO. Benediktsson, JA. and Sveinsson, JR. ۲۰۰۴. Random forest ...
  • Guo J., Zhou J., Qin H., Zou Q. and Li ...
  • Irmak, S., Haman, D., Jones, J.W., ۲۰۰۲. Evaluation of class ...
  • Kisi O. (۲۰۰۸). The potential of different ANN techniques in ...
  • Kisi O. ۲۰۰۹. Modeling monthly evaporation using two different neural ...
  • Moghaddamnia A., Ghafari Gousheh M., Piri J., Amin S., and ...
  • Pahlavan Rad, M.R., Toomanian, N., Khormali, F., Brungard, C., Komaki, ...
  • Ramaswami, M., & Bhaskaran, R. (۲۰۱۰). A CHAID based performance ...
  • Shrestha, N. K., & Shukla, S. (۲۰۱۵). Support vector machine ...
  • Tripathi Sh., Srinivas V.V., and Nanjundiah R.S. ۲۰۰۶. Downscaling of ...
  • Wang, K., & Liang, S. (۲۰۰۸). An improved method for ...
  • نمایش کامل مراجع