مقایسه مدلهای تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی (Rs) در ایستگاه هواشناسی زاهدان
Publish place: 5th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,423
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCWMSWRM05_272
Index date: 8 May 2012
مقایسه مدلهای تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی (Rs) در ایستگاه هواشناسی زاهدان abstract
تابش آفتابی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق میباشد. در ضمن تهیه وایجاد وسایل اندارهگیری این پارامتر بسیار پرهزینه میباشد. در این تحقیق از دادههای اندازهگیری شده تابش Rs( در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق برای پیش بینی تابش از دو مدل تجربی آنگستروم-پرسکات و گلور-مک کلوت و دو روش غیر خطی، رگرسیونی خطی محلی و شبکه عصبی با دو لایه برگشتیاستفاده شد. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روش- های غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدلها با مقادیر اندازهگیری شده توسط پیرانومتر نشان میدهد که شبکه عصبی با دو لایه برگشتی دارای R2 =0/90 و MAE= 2/26 ، RMSE= 3/44 است که دارای بهترین عملکرد در مدل ها میباشد بعد از آن مدل رگرسیونی خطی محلی با RMSE=3/8 وMAE=2/35 وR2=0/82 می باشد
مقایسه مدلهای تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی (Rs) در ایستگاه هواشناسی زاهدان Keywords:
مقایسه مدلهای تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی (Rs) در ایستگاه هواشناسی زاهدان authors
محمدمهدی چاری
عضو هیئت علمی گروه مهندسی آب دانشگاه زابل
نوشین سارانی
دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه زابل
پیمان افراسیاب
عضو هیئت علمی گروه مهندسی آب 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 :