پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی
Publish place: Journal of Water Research in Agriculture، Vol: 30، Issue: 1
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 161
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_WRA-30-1_007
Index date: 4 July 2022
پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی abstract
تبخیر-تعرقمرجع یکی ازمهم ترین و موثرترین مولفه ها در بهینه سازی مصرف آب کشاورزی و مدیریتمنابع آب می باشد. در سال های اخیر استفاده از روش های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش های ANFIS و موجک- ANFIS در پیش بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم های مختلفی هستند، مورد بررسی و ارزیابی قرار گرفت. بدین منظور یک دوره آماری ۲۰ ساله (۱۹۹۰ الی ۲۰۰۹) که ۱۵ سال (۱۹۹۰-۲۰۰۴) آن برای آموزش و پنج سال انتهایی (۲۰۰۹-۲۰۰۵) جهت آزمون مدل های مختلف در نظر گرفته شد. ترکیب های مختلفی از داده های ورودی (تاخیرهای مختلف) و انواع موجک های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل هیبریدی موجک-ANFIS در هر چهار ایستگاه همدیدی مورداستفاده نسبت به مدل ANFIS دارای توانایی و دقت بالاتری در پیش بینی تبخیر-تعرق هفتگی می باشد. همچنین نتایج نشان داد که استفاده از تاخیرهای زمانی سالانه در مدل ANFISموجب افزایش دقت گردید درحالی که در مدل موجک-ANFISاستفاده از تاخیرهای زمانی سالانه موجب افزایش دقت نمی گردد و در برخی موارد حتی موجب کاهش دقت نیز می گردد. بررسی انواع موجک های مادر نیز نشان داد که موجک میر مناسب ترین نوع موجک برای پیش بینی تبخیر-تعرق مرجع در مقیاس هفتگی می باشد. از نتایج تحقیق حاضر می توان در برنامه ریزی آبیاری مناطق مورد مطالعه استفاده نمود.
پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی Keywords:
پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی authors
مسعود کرباسی
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان.
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 :