پیش بینی تبخیر - تعرق مرجع روزانه با استفاده از روش ترکیبی هوشمند مصنوعی بر پایه الگوریتم پیش پردازش کننده تجزیه مد تجربی
Publish place: Irrigation and Drainage، Vol: 14، Issue: 4
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 458
This Paper With 15 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-14-4_021
Index date: 15 May 2021
پیش بینی تبخیر - تعرق مرجع روزانه با استفاده از روش ترکیبی هوشمند مصنوعی بر پایه الگوریتم پیش پردازش کننده تجزیه مد تجربی abstract
تبخیر- تعرق به عنوان یکی از اجزاء مهم چرخه هیدرولوژیک نقش بسیار مهمی در بررسی بیلان آبی حوضه های آبریز دارد. در محاسبه نیاز آبی گیاهان، ابتدا مقدار تبخیر- تعرق مرجع محاسبه و سپس با استفاده از آن، تبخیر-تعرق گیاهی محاسبه می شود. در این تحقیق جهت برآوردی دقیق از مقدار تبخیر- تعرق مرجع روزانه حوضه آبریز دریاچه ارومیه، ابتدا براساس روش استاندارد فائو- پنمن- مونتیث و داده های هواشناسی سه ایستگاه ارومیه، مهاباد و خوی، مقدار تبخیر- تعرق مرجع) (ET۰ محاسبه شد. سپس با استفاده از آنالیز ضریب مالو، موثرترین پارامترها جهت استفاده در مدلهای مورد استفاده مشخص گردید. در این تحقیق از مدل درخت MT که بر اساس الگوریتم استنتاجی کلاس بندی توسعه پیدا کرده است، استفاده گردید. برای مقابله با پیچیدگی و ناپایداری داده های سری زمانی تبخیر-تعرق از الگوریتم پیش پردازش کننده تجزیه مد تجربی (EMD) استفاده و نتایج به دست آمده با روابط تجربی تعیین تبخیر-تعرق مرجع شامل روشهای Romanenko و Schendel مقایسه گردید. نتایج تحقیق نشان داد که عملکرد مدل درخت به شکل منفرد MT، مشابه و گاهی کمتر از عملکرد شبکه عصبی مصنوعی بود. با این حال ترکیب مدل درخت با تکنیک EMD باعث افزایش دقت مدل و کاهش خطا در شبیه سازی روزانه در ایستگاه های ارومیه، مهاباد و خوی گردید. نتایج نشان داد که در مرحله آزمون ترکیب روش MT با EMD باعث ارتقا شاخص همبستگی به میزان ۰۲/۱% ، ۳۹/۴% و ۰۴/۲% به ترتیب برای ایستگاه های ارومیه، مهاباد و خوی گردید. همچنین میان روابط تجربی، رابطه Romanenko نسبت به رابطه تجربی Schendel دارای دقت بالاتری بوده و می توان رابطه Romanenko را برای مدل سازی تبخیر-تعرق مرجع برای منطقه مورد مطالعه توصیه نمود.
پیش بینی تبخیر - تعرق مرجع روزانه با استفاده از روش ترکیبی هوشمند مصنوعی بر پایه الگوریتم پیش پردازش کننده تجزیه مد تجربی Keywords:
پیش بینی تبخیر - تعرق مرجع روزانه با استفاده از روش ترکیبی هوشمند مصنوعی بر پایه الگوریتم پیش پردازش کننده تجزیه مد تجربی authors
امین امیر عشایری
گروه مهندسی آب، دانشگاه ارومیه
جواد بهمنش
استاد گروه مهندسی آب، دانشگاه ارومیه، ارومیه، ایران
وحید رضا وردی نژاد
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
نسرین فتح اله زاده
دکتری مهندسی آب، دانشگاه ارومیه
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 :