ارزیابی مدل های تجربی و هوشمند در تخمین تبخیر و تعرق مرجع در شرایط حداقل داده اقلیمی؛ مطالعه موردی شهر کرد

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 196

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WATER-7-1_010

تاریخ نمایه سازی: 3 اسفند 1400

Abstract:

امروزه منابع آب به شدت تحت تاثیر چرخه­ی هیدرولوژیکی هستند و برآورد تبخیر و تعرق که جزء اصلی از چرخه­ی هیدرولوژیکی است، در مدیریت منابع آب نقش بسزایی دارد. این پدیده، غیرخطی و از این لحاظ که پارامترهای بسیاری در برآورد آن دخیل هستند، کاری بسیار مشکل است. روش­های زیادی برای برآورد تبخیر و تعرق وجود دارد که هر کدام با مشکلی مواجه می­باشند. بعضی از این روش­ها مثل لایسیمتر هزینه­بر و زمانبر می­باشند و برخی دیگر مثل روش­های تجربی اعتبار محلی دارند. استفاده از روشی که بتواند با توجه به ماهیت و استفاده­ی حداقل از داده­های اقلیمی تبخیر و تعرق را مدل کند، ضروری به نظر می­رسد. امروزه شبکه­های عصبی که شاخه­ای از هوش محاسباتی می­باشند، در علوم مختلف مورد استفاده قرار می­گیرند. در این تحقیق از داده­های روزانه­ی دو ایستگاه فرخشهر و فرودگاه شهرکرد در بازه­ی زمانی ۲۰۱۳- ۲۰۰۴ شامل دمای حداقل، دمای حداکثر، رطوبت نسبی میانگین، ساعات آفتابی و سرعت باد در ارتفاع دو متری تحت سناریوهای مختلف استفاده شد. ابتدا به محاسبه­ی چند روش تجربی در برآورد تبخیر و تعرق مرجع پرداخته شد. روش­های تجربی مورد استفاده این تحقیق هارگریوز، بلانی کریدل، پریستلی تیلور و جنسن هیز بودند. مدل شبکه­ی عصبی مصنوعی تحت سناریوهای مختلف داده­ی ورودی به کمک نرم افزار (R۲۰۱۲b) MATLABطراحی گردید. در این قسمت با انجام تست­های مختلف با توجه به حساسیت و میزان دقت مورد انتظار از دو تابع تانژانت سیگموئید و لوگ سیگموئید در لایه پنهان، تابع خطی در لایه خروجی و قاعده­ی آموزش لونبرگ مارکوات استفاده شد. برای ارزیابی مدل­ها از مدل پنمن مونتیث فائو ۵۶ استفاده شد. شاخص­های آماری    RMSE وMAE  و  Rمحاسبه گردید. نتایج نشان داد که از بین ده سناریوی مورد بررسی، سناریوی یک با هر پنج متغیر ورودی، کمترین خطا را نسبت به روش فائو ۵۶ و عملکرد بسیار بهتری نسبت به روش­های تجربی داشت. از بین روش­های تجربی نیز مدل پریستلی تیلور و هارگریوز عملکرد بهتری داشتند. همچنین نتایج آنالیز حساسیت نشان داد که دمای ماکزیمم و سرعت باد بیشترین تاثیر را بر تبخیر و تعرق مرجع در این منطقه داشتند.                

Keywords:

واژه‎های کلیدی: تبخیر وتعرق مرجع , روش های تجربی , شبکه ی عصبی مصنوعی , MATLAB , منطقه خشک سرد

Authors

سید محمدرضا حسینی

کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه اراک، ایران

ناصر گنج خرم دل

دانشکده کشاورزی، گروه مهندسی آب، دانشگاه اراک، اراک،

امیر حسین خلت آبادی فراهانی

دانشکده کشاورزی گروه علوم دامی، دانشگاه اراک، اراک

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 :
  • منابعاحمدزاده قره گویز، م. میرلطیفی، ک. محمدی. ۱۳۸۹. مقایسه­ی سیستم­های ...
  • دهقانی، ا. ا.، م. پیری، م. حسام، ن. دهقانی. ۱۳۸۹. ...
  • سلطانی، ا.، م. میرلطیفی، ح. دهقانی سانیج. ۱۳۹۱. برآورد تبخیر ...
  • شایان نژاد، م. ۱۳۸۵. مقایسه دقت روشهای شبکه­های عصبی مصنوعی ...
  • شایان نژاد، م.، ح. ساداتی نژاد. ۱۳۸۷. تخمین تبخیر و ...
  • صیادی، ح.، ا. اولاد غفاری، ا. فعالیان، ع. صدرالدینی. ۱۳۸۸. ...
  • علیزاده، ا. ۱۳۸۳. رابطه­ی آب و خاک وگیاه. مشهد، دانشگاه ...
  • منهاج، م. ب. ۱۳۸۱. مبانی شبکه­های عصبی و هوش محاسباتی، ...
  • نوری، س.، غ. فلاحقالهری، ح. ثنایی نژاد. ۱۳۹۲. مدل سازی ...
  • هژبر، ح.، ه. معاضد، س. شکری کوچک. ۱۳۹۳. برآورد تبخیر ...
  • Allen, R. G., L. S. Pereira, D. Raes and M. ...
  • Benediktsson, J. A., P. H., Swain and O. K. Erosy. ...
  • Chow, V. T., D. R., Maidment, and L.W., Mays, ۱۹۸۸. ...
  • Civco, D. L., and Y. Wanug. ۱۹۹۴. Classification of multispectral, ...
  • Falamarzi,Y. N. palizdan, Y. feng Hung and T. shui lee. ...
  • Huo Z . S . Feng Kang and X . ...
  • Jain S. K, P. C, Nayak, K. P, Sudhir. ۲۰۰۸. ...
  • Kumar, M., A., Bandyopadhyay, N. S.,Raghuwanshi, R., Singh. ۲۰۰۸. Comparativestudy ...
  • Kumar,M., N. S. , Raghuwanshi, R, Singh. ۲۰۱۱. Artificial neural ...
  • Ladlani, I., L., Houichi, L., Djemili, S., Heddam and K., ...
  • Priestley, C. H. B. and R. J. Taylor. ۱۹۷۲. On ...
  • Penman, H. L. ۱۹۴۸. Natural evaporation from open water, bare ...
  • Rahimi Khoob, A. ۲۰۰۸. Artificial neural network estimation of reference ...
  • نمایش کامل مراجع