مقایسه روشهای سیستم استنتاج عصبی_فازی و برنامه ریزی بیان ژن در برآورد تبخیر از تشتک (مطالعه موردی: استان خراسان جنوبی)

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 171

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_WSRCJ-6-4_008

تاریخ نمایه سازی: 4 آبان 1400

Abstract:

امروزه تخمین صحیح تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه و مدیریت منابع­آب کشورهای مواجه با بحران آب ایفا می­کند. تاکنون روش­ها و فرمول­های تجربی فراوانی در زمینه برآورد فرایند غیرخطی و پیچیده تبخیر از تشتک ارائه شده که از دقت بالایی برخوردار نبوده و همچنین دسترسی به تمام پارامترهای ورودی مشکل و یا اندازه­گیری آنها محتاج صرف هزینه و زمان زیادی می­باشد. هدف از این تحقیق ارزیابی کارایی دو مدل برنامه­ریزی­بیان­ژن و عصبی- فازی جهت تخمین تبخیر از تشتک در استان خراسان­جنوبی می­باشد. برای این منظور از داده­های هواشناسی روزانه شش ایستگاه سینوپتیک به مدت بیست سال(۲۰۱۰-۱۹۹۰)، استفاده­شد. پارامترهای ورودی به مدل عبارتند از: میانگین دمای هوا، رطوبت­نسبی، حداکثر وحداقل دمای هوا، سرعت باد و ساعات آفتابی. برای ارزیابی مدلها و مقایسه آن­ها از معیارهای ضریب تبیین ، جذر میانگین مربع خطاها  و میانگین خطاها استفاده گردید. مقایسه نتایج آزمون دو مدل نشان­ داد که مدل برنامه­ریزی بیان­ژن کارایی بهتری نسبت به مدل عصبی- فازی در برآورد روزانه تبخیر از تشتک دارد. بطوری که بهترین نتایج مدل برنامه­ریزی بیان­ژن در ایستگاه بشرویه با ضریب تبیین ۷۹/۰، ۴۴/۱=RMSE و ۳۵/۰MBE= ضعیف­ترین نتایج در ایستگاه بیرجند با ضریب تبیین۷/۰، ۶/۲=RMSE و ۲/۱MBE= بدست آمد. همچنین نتایج نشان داد میانگین دمای ­روزانه بیشترین تاثیر را در برآورد تبخیراز تشتک دارد.

Keywords:

برنامه ریزی بیان ژن , عصبی- فازی , تبخیر تشتک , خراسان جنوبی

Authors

پرویز حقیقت جو

عضو هیئت علمی دانشگاه زابل

زهرا محمدزاده شاهرودی

دانش آموخته کارشناسی ارشد

ام البنی محمد رضا پور

عضوهیئت علمی دانشگاه زابل

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 :
  • پیری، ج.، انصاری، ح. و فرید حسینی، ع. ۱۳۹۲. مدلسازی ...
  • امینی رکان، ا. ۱۳۹۲. مدل­سازی درجه حرارت هوا با استفاده ...
  • شادمانی، م. و معروفی، ص. ۱۳۹۰. مقایسه چند روش برآورد ...
  • شایان نژاد، م. ۱۳۸۵. مقایسه روش­های شبکه­های عصبی مصنوعی و ...
  • شعیبی نوبریان، م. و دربندی، ص. ۱۳۹۲. پیش­بینی میزان تبخیر- ...
  • علیرضا، م. ۱۳۸۷. مقدمه­ای برالگوریتم­های ژنتیک و کاربرد­های آن. ۱. ...
  • کولائیان، ع. غلامی سفید کوهی م. و ضیاتباراحمدی، م. ۱۳۹۲. ...
  • برآورد تبخیر روزانه از تشت تبخیر با استفاده از سیستم استنتاج تطبیقی عصبی- فازی [مقاله ژورنالی]
  • میرمرادزهی، ج. ۱۳۹۱. برآورد تبخیر روزانه از تشت با استفاده ...
  • نجفی، م. عظیمی، و. و شایان نژاد، م. ۱۳۹۳. ارزیابی ...
  • نورانی، و. و سیاح فرد، م.۱۳۹۰. آنالیز حساسیت داده­های ورودی ...
  • Dogan, E. Gumrukcuoglu, M. Sandalci, M. And Opan, M .۲۰۱۰. ...
  • Guven, A. And Kisi, O. ۲۰۱۱. Daily pan evaporation modeling ...
  • Hatice, C. Murat, C. And Tefaruk, H. ۲۰۱۴. Estimation of ...
  • Kisi, O. And Zounemat-Kermani, M. ۲۰۱۴. Comparison of Two Different ...
  • Piri, J. And Ansari, H. ۲۰۱۲. Daily Pan Evaporation Modelling ...
  • Seydou, T. And Aytac, G. ۲۰۱۲. Regional-Specific Numerical Models of ...
  • Shiri, J. And Kisi, O. ۲۰۱۲. Application of Artificial Intelligence ...
  • Terzi, O .۲۰۱۳. Daily pan evaporation estimation using gene expression ...
  • Traore, S. Wang, Y M. and. Kerh, T. ۲۰۱۰. Artificial ...
  • نمایش کامل مراجع