ارزیابی مدل های شبکه بیزین و ماشین بردارپشتیبان در برآورد تبخیروتعرق مرجع (مطالعه موردی: خرم آباد)

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 250

This Paper With 13 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-14-2_014

تاریخ نمایه سازی: 25 اردیبهشت 1400

Abstract:

در سراسر دنیا مدل فائوپنمن مانتیث به عنوان یک روش مرجع، برای برآورد تبخیروتعرق مرجع مورداستفاده قرارمی گیرد. در این روش اطلاعات ورودی زیادی نیاز است که در خیلی از موارد دسترسی به این داده ها مشکل می باشد، لذا جایگزینی مدل های ساده تر با ورودی-های اولیه کم و دقت مناسب ضرورت می یابد. ازاینرو هدف از این پژوهش بررسی دقت و قابلیت مدل های ماشین بردارپشتیبان و شبکه بیزین در برآورد تبخیروتعرق مرجع و مقایسه با مدل فائوپنمن مانتیث می باشد. برای اطلاعات ورودی از اطلاعات ماهانه ایستگاه سینوپتیک خرم آباد شامل: بیشینه و کمینه درجه‎ ‎حرارت، بیشینه و کمینهرطوبت‎ ‎نسبی، تابش خورشیدی و سرعت باد در بازه زمانی ۱۳۹۵-۱۳۶۱ (به تعداد ۴۲۰ ماه) استفاده شد. بر اساس تاثیر پارامترهای ورودی بر خروجی، شش الگوی ورودی برای مدل سازی تعیین گردید. ۷۰ درصد داده ها جهت آموزش و ۳۰ درصد داده ها جهت صحت سنجی مدل ها به کارگرفته شد. نتایج نشان داد الگوی ۵ شامل: حداکثردرجه حرارت، سرعت باد، تابش خورشیدی، حداقل درجه حرارت و حداقل رطوبت نسبی در همه مدل ها دقیق ترین الگو می باشد. این الگو در مرحله آزمون در شبکه بیزین، دارای ۹۷/۰‎ R۲=‎و ۹۳‎/‎۰RMSE=‎ و در ماشین بردارپشتیبان با هسته توابع پایه شعاعی، دارای ۸‎۹‎/۰‎ R۲=‎و ۴۱‎/‎۰RMSE=‎ بوده است. مقایسه عملکرد مدل ها نشان از برتری مدل ماشین بردارپشتیبان نسبت به مدل دیگر داشت به طوریکه دارای AARE به میزان ۰۵۲۵/۰ و MR به میزان ۰۰۵/۱ بود.

Authors

یاسر سبزواری

دانشجوی کارشناس ارشد مهندسی آبیاری و زهکشی ، دانشکده کشیاورزی، دانشگاه لرستان

علی حیدر نصرالهی

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان

مجید شریفی پور

گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران

بابک شاهی نژاد

گروه مهندشی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، 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 :
  • احمدی، ف.، آیشم، س.، خلیلی، ک. و بهمنش، ج. ۱۳۹۵. ...
  • عیسی­زاده، م.، شیرزاد، م. و رضایی بنفشه، م. ۱۳۹۶. ارزیابی ...
  • Allen, R.G., Pereira, L.S., Raes, D. and Smith, M., ۱۹۹۸. ...
  • Almorox, J., Quej, V.H. and Martí, P., ۲۰۱۵. Global performance ...
  • Basak, D., Pal, S. and Patranabis, D.C., ۲۰۰۷. Support vector ...
  • Davies, P.E., ۲۰۰۷. Bayesian Decision Networks for Management of High ...
  • Guo, X., Sun, X. and Ma, J., ۲۰۱۱. Prediction of ...
  • Hamel, L.H., ۲۰۱۱. Knowledge discovery with support vector machines (Vol. ...
  • Kisi, O. and Alizamir, M., ۲۰۱۸. Modelling reference evapotranspiration using ...
  • KIŞI, O. and Cimen, M., ۲۰۰۹. Evapotranspiration modelling using support ...
  • Kuikka, S. and Varis, O., ۱۹۹۷. Uncertainties of climatic change ...
  • Legates, D.R. & ‎ McCabe, G.J. ۱۹۹۹. Evaluating the use ...
  • ‎Lerner, U., Parr, R., Koller, D. & Biswas, B. ۲۰۰۰. ...
  • Mehdizadeh, S., Behmanesh, J., & Khalili, K. ۲۰۱۷. Using MARS, ...
  • Pour-Ali Baba, A., Shiri, J., Kisi, O., Fard, A. F., ...
  • ‎SadeghiHesar, A., Tabatabaee, H., & Jalali, M. ۲۰۱۲. Monthly rainfall ...
  • Sun, H., Yang, Y., Wu, R., Gui, D., Xue, J., ...
  • Vapnik, V. and Vapnik, V., ۱۹۹۸. Statistical learning theory ...
  • Wen, X., Si, J., He, Z., Wu, J., Shao, H. ...
  • Yassin, M.A., Alazba, A.A. and Mattar, M.A., ۲۰۱۶. Artificial neural ...
  • نمایش کامل مراجع