مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی(Rs) در ایستگاه سینوپتک زاهدان
Publish place: Quarterly Journal of Physical Geography، Vol: 9، Issue: 34
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 158
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOPG-9-34_008
تاریخ نمایه سازی: 13 آذر 1400
Abstract:
تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق میباشد. تهیه و ایجاد وسایل اندارهگیری این پارامتر بسیار پرهزینه میباشد. در این تحقیق از دادههای اندازهگیری شده تابش (Rs) در سال های ۱۳۸۵ تا ۱۳۸۹ ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده از آزمون گاما توسعه داده شد. سپس این مدلهای غیرخطی و دو مدل تجربی شامل آنگستروم-پرسکات و گلور مک کلوت برای پیشبینی تابش مورد ارزیابی قرار گرفت. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روشهای غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدلها با مقادیر اندازهگیری شده توسط پیرانومتر نشان میدهد که شبکه عصبی با روندنما BFGS دارای ۹۵/۱ RMSE= ، ۴۷/۱ MAE= و ۹۳/۰= R۲ است که دارای بهترین عملکرد در مدل ها میباشد. بعد از آن مدل شبکه عصبی با کاهش شیب توام و مدل رگرسیونی خطی محلی است که مقادیر RMSE، MAE و R۲ برای آنها به ترتیب برابر ۵۳/۲، ۷۷/۱، ۸۸/۰ و ۸۹/۲، ۸۹/۱، ۸۲/۰ میباشد. روش انگستروم و گلور-مک کلوت نیز به ترتیب دارای مقادیر ۳۸/۴RMSE= ، ۲۱/۳ MAE= ، ۳۳/۰= R۲ و ۶۴/۴RMSE= ، ۰۷/۳ MAE= و ۵۰/۰= R۲میباشند.
Keywords:
Authors
پریسا کهخا مقدم
عضو هیئت علمی گروه مهندسی آب دانشگاه زابل،زابل،ایران
محمد مهدی چاری
عضو هیئت علمی گروه مهندسی آب دانشگاه زابل،زابل،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 :