طبقه بندی میزان تبخیر و تعرق پتانسیل با استفاده از شبکه های عصبی خودسازمانده (Self Organizing Map)
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 145
This Paper With 10 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_WATER-6-2_011
تاریخ نمایه سازی: 3 اسفند 1400
Abstract:
تبخیر و تعرق پتانسیل نقش مهمی در مطالعات کشاورزی، طرحهای مدیریت منابع آب، طراحی شبکه های آبیاری و زهکشی و سازه های آبی دارد. با توجه به اهیمت این پارامتر در این مطالعه اقدام به طبقه بندی تبخیر و تعرق پتانسیل در جنوب استان فارس با استفاده از شبکه های عصبی خودسازمانده (SOM) شد. در این مطالعه داده های ۷ پارامتر حداقل، میانگین و حداکثر دما، ساعات آفتابی، سرعت باد، حداکثر ساعات آفتابی و رطوبت نسبی با روش SOM طبقه بندی و خوشه بندی شدند. نتایج حاصل از این طبقه بندی نشان داد که دماهای حداقل، حداکثر و میانگین در منطقه مورد مطالعه دارای ارتباط معنی داری با یکدیگر می باشند. همچنین دمای حداقل، حداکثر و میانگین ارتباط معکوس با میزان رطوبت هوا در منطقه مورد مطالعه دارند. بر اساس شبکه عصبی خودسازمانده و استفاده از ۷ داده به عنوان داده های ورودی مدل مشخص شد که تبخیر و تعرق در منطقه مورد مطالعه را می توان در ۳ کلاس طبقه بندی نمود. به طوری که کلاس ۳ دارای بیشترین تبخیر و تعرق و کلاس ۱ دارای کمترین تبخیر و تعرق در منطقه مورد مطالعه باشند.
Keywords:
Authors
مرضیه مکرمی
استادیار، گروه مرتع و آبخیزداری ، دانشگاه شیراز، داراب، ایران
عبدالرسول زارعی
استادیار، گروه مرتع و آبخیزداری، دانشگاه فسا، فسا، 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 :