ارزیابی مدل های داده محور مبتنی بر ریزمقیاس نمایی مقادیر دمای روزانه
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 216
This Paper With 18 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-12-4_015
تاریخ نمایه سازی: 5 تیر 1401
Abstract:
در این پژوهش با استفاده از شش مدل شبکه عصبی (ANN)، انفیس(ANFIS)، ماشین بردار پشتیبان (SVM)، برنامه ریزی ژنتیک (GP)، رگرسیون بردار پشتیبان (SVR) و رگرسیون چندمتغیره (Reg)، متوسط دمای روزانه ایستگاههای کرمان و بم طی دوره آماری ۱۹۶۱-۲۰۰۵ بررسی و شبیهسازی شد. نتایج نشان داد که متوسط دمای روزانه طی دورههای یاد شده افزایش چشمگیری برای هر دو منطقه خواهند داشت. نتایج کلی به دست آمده حاکی از برتری نتایج مدل رگرسیونی SVR (کرمان: RMSE=۱.۱۰۵ و R=۰.۹۹۲) و (بم: RMSE=۱.۰۱ و R=۰.۹۹) میباشد. نتایج بررسیها نشان داد که مدل SVR، میزان خطای شبیهسازی را نسبت به مدلهای شبکه عصبی (ANN)، انفیس (ANFIS)، برنامه ریزی ژنتیک (GP) و رگرسیون چندمتغیره (Reg) در ایستگاه کرمان به ترتیب ۳۲، ۴۲، ۳۰ و ۱۱ درصد و در ایستگاه بم به ترتیب ۶۲، ۵۹، ۲۷ و ۲۷ درصد بهبود میبخشد. نتایج بررسی جذر میانگین مربعات خطا نشان داد که از بین شش مدل مورد بررسی، مدل رگرسیون بردار پشتیبان و برنامه ریزی ژنتیک برای ایستگاه بم و مدل رگرسیون بردار پشتیبان برای ایستگاه کرمان از دقت بالاتری برخوردار میباشد. همچنین نتایج نشان داد که برآورد میزان دمای متوسط ایستگاه سینوپتیک بم دارای کارایی و دقت بیشتری نسبت به ایستگاه سینوپتیک کرمان هستند. در این پژوهش هر چند آنالیز نتایج خروجی مدلها منجر به نتایج یکسانی نشد ولی نتایج مدلها بیانگر افزایش در متغیرهای دمایی در دو شهر کرمان و بم در دوره های آتی میباشد.
Keywords:
Authors
حسین خزیمه نژاد
گروه مهندسی آب، دانشگاه بیرجند، بیرجند
مریم صفوی گردینی
مهندسی منابع آب، دانشکده آب و خاک، دانشگاه زابل. کرمان، ایران
مهدی امیرآبادی زاده
استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند
محمد ناظری تهرودی
کیلومتر ۵ جاده کرمان - پردیس کشاورزی و منابع طبیعی دانشگاه بیرجند - دانشکده کشاورزی، گروه مهندسی آب صندوق پستی: ۳۳۱
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 :