برآورد تبخیر- تعرق مرجع روزانه با استفاده از سیستم استنتاج تطبیقی عصبی- فازی(ANFIS)- مطالعه موردی ایستگاه کرمان
Publish place: Tenth Irrigation and Evaporation Reduction Seminar
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,283
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:
ABYARI10_155
تاریخ نمایه سازی: 22 خرداد 1391
Abstract:
تبخیر- تعرق یکی از اجزای اصلی چرخه هیدرولوژی بوده و تعیین دقیق آن برای مطالعات بیلان آبی، نیاز آبیاری ومدیریت منابع آب ضروری است. این تحقیق با هدف بررسی دقت سیستم استنتاج تطبیقی عصبی- فازی(ANFIS) در برآورد تبخیر- تعرق مرجع روزانه(ET₀) با استفاده از حداقل داده های هواشناسی به انجام رسید. بر این اساس ترکیب های مختلفی از داده های روزانه هواشناسی ایستگاه کرمان، شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی، و تبخیر- تعرق مرجع محاسبه شده با روش فائو پنمن- مانتیث به عنوان خروجی ANFIS استفاده شد. برآوردهای ET₀ از روش ANFIS با شبکه عصبی مصنوعی(ANN)، رگرسیون خطی چند گانه (MLR) و مدل های تجربی ماکینک، پریستلی- تیلور، هارگریوز- سامانی، فائو بلانی- کریدل و ریچی مورد مقایسه قرار گرفت. کارایی روش های مورد مقایسه، با استفاده از آمارهای ریشه میانگین مربع خطا(RMSE)، خطای انحراف میانگین (MBE) و ضریب تعیین (R²)، مورد ارزیابی قرار گرفت. مدل ANFIS85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد، و RMSE=0/228, MBE=./173, R²=./984 نسبت به مدل های ANN,MLR و تمامی روش های تجربی مورد استفاده از دقت بالاتری برخوردار است.
Keywords:
Authors
کاوه احمدزاده قره گویز
دانشیار گروه آبیاری و زهکشی، دانشگاه تربیت مدرس تهران
سید مجید میر لطیفی
دانشیار گروه آبیاری و زهکشی، دانشگاه تربیت مدرس تهران
کورش محمدی
دانشیار گروه آبیاری و زهکشی، دانشگاه تربیت مدرس تهران
عباس خاشعی سیوکی
دانشجوی دکتری آبیاری و زهکشی، دانشگاه تربیت مدرس تهران
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 :