سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,516

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ABYARI10_170

Index date: 11 June 2012

ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب abstract

اهمیت برآورد تبخیر- تعرق گیاهان زراعی در اقلیم های مختلف، باعث ارائه روابط تجربی متفاوتی شده است تا بتواند با کمترین ورودی- تعرق را با دقت مناسبی برآورد کند. در این تحقیق بعد از بررسی و مقایسه روابط تجربیف توانایی سیستم های هوشمند در برآورد تبخیر- تعرق مرجع ارزیابی شد. نتایج حاصل از مقایسه شش روش تجربی و مدل های شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) در سه ایستگاه با اقلیم مرطوب نشان داد که از میان روش های تجربی روش فائو بلانی- کریدل (F-B-C) با رتبه یک، دارای بیشترین مقدار R² و کمترین مقدار RMSE وMBW بوده و نسبت به روش های دیگر دارای دقت بالاتری می باشد. پس از روش فائو بلانی- کریدل روش های تورک و ماکینگ دارای رتبه دوم و سوم می باشند. مدل تورک مقدارET0 را نسبت به روش فائو پنمن مانتیث بیشتر برآورد می کند اما دو مدل ماکینگ و F-B-C تبخیر- تعرق را کمتر از روش فائو پنمن- مانتیث برآورد می کنند. پس از بررسی مدل های ANN و ANFIS توسعه داده شده برای این ایستگاه ها، ویژگی های بهترین و بدترین مدل تعیین شد. نتایج نشان داد که در بیشتر موارد مدلهای ANFIS از دقت بالاتری نسبت به مدلهای تجربی و ANN برخوردارند.

ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب Keywords:

ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب authors

کاوه احمدزاده قره گویز

دانش آموخته کارشناسی ارشد 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 :
اژدری، م1386. "شبیه سازی انتقال نیترات در آب‌های زیرزمینی مطالعه ...
خیرابی، ج. توکلی، ع. ر. انتصاری، م. . سلامت، ع. ...
فتحی، پ. کوچک‌زاده، م 1383. "تخمین تعرق خیار گلخانه‌ای با ...
ا کوچک‌زاده، م. بهمنی، ع 1384. "ارزیابی عملکرد شبکه‌های گصبی ...
شریفان، ح. قهرمان، ب. علیزاده، ا. میرلطیفی، س. م 1384. ...
جورابیان، م. هوشمند، ر. ا 1381. "منطق فازی و شبکه‌های ...
Allen, R. G., Preira, L. S., Raes, D. and Smith, ...
Amatya, D. M., Skaggs, R. W. and Gregory, J. D., ...
Aqil, M., Kita, I., Yano, A. and Nishiyama, S., _ ...
Chang, F. J. and Chang, Y. T., "Adaptive Neuro-Fuzzy Inference ...
Dinpashoh, Y., "Study of Reference Crop Evap otranspiration in I.R. ...
Dogan, E., :Reference Evap otranspiration Estimation Using Adaptive Neuro-Fuzzy in ...
_ Interscience .wiley.com, 2008. ...
Droogers, P. and Allen, R. G., "Estimating Reference Evap otranspiration ...
Gautam, D. K. and Holz, k. P., _ 'Rainfall-runo ff ...
Irmak, S., Irmak, A., Allen, R. G., and Jones, J. ...
Jain, S. K., Nayak, P. C. and Sudheer, K. P., ...
Kisi, O., "The Potential of Different ANN Techniques in Evap ...
Kisi, O., _ Evap otranspiration Modeling from Climatio Data Using ...
Kisi, O. And Oztirk, O., "Adaptive Neurofuzzy Computing Technique for ...
Evap otranspiration Estimation", Journal of Irrigation and Drainage Engineering. ASCE, ...
Kisi, O., _ Evap otranspiration Estimation Using Feed-Forward Neural Networks", ...
Kisi, O., "Suspended Sediment Estimation Using Neuro-Fuzzy and Neural Network ...
Landeras, G., Barredo, A. _ and Lopez, J. J., "Comparison ...
Lin, Ch. H., Chao, Ch. and Chen, W. F., "Estimation ...
Nayak P.C., Sudheer K.P., Rangan D.M. and Ramasastri K.S., _ ...
Neural Network Estimation of Reference Evap otranspiration Artificial؛ه [29] Rahimi ...
Z ounemat -Kermani _ M. and Teshnehlab, M., "Using Adaptive ...
نمایش کامل مراجع

مقاله فارسی "ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب" توسط کاوه احمدزاده قره گویز، دانش آموخته کارشناسی ارشد 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 نوشته شده و در سال 1388 پس از تایید کمیته علمی دهمین سمینار آبیاری و کاهش تبخیر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله اقلیم مرطوب، تبخیر- تعرق، شبکه عصبی مصنوعی، فازی هستند. این مقاله در تاریخ 22 خرداد 1391 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1516 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که اهمیت برآورد تبخیر- تعرق گیاهان زراعی در اقلیم های مختلف، باعث ارائه روابط تجربی متفاوتی شده است تا بتواند با کمترین ورودی- تعرق را با دقت مناسبی برآورد کند. در این تحقیق بعد از بررسی و مقایسه روابط تجربیف توانایی سیستم های هوشمند در برآورد تبخیر- تعرق مرجع ارزیابی شد. نتایج حاصل از مقایسه شش روش تجربی و مدل های ... . این مقاله در دسته بندی موضوعی هوش مصنوعی و شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله ارزیابی عملکرد مدلهای تجربی و سیستم هوش مصنوعی در تخمین تبخیر-تعرق گیاه مرجع در اقلیم مرطوب با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.