تخمین تبخیر و تعرق روزانه گیاه مرجع با استفاده از سیستم های هوش مصنوعی (ANN و ANFIS) و معادله های تجربی
Publish place: The Journal of Water and Soil، Vol: 23، Issue: 2
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 135
This Paper With 20 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_WASO-23-2_011
تاریخ نمایه سازی: 25 دی 1401
Abstract:
فرآیند تبخیر و تعرق به عنوان یکی از مولفههای اصلی چرخه هیدرولوژیک دارای اهمیت فراوانی در مدیریت و توسعه منابع آب و نیز برنامهریزی آبیاری میباشد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج عصبی – فازی تطبیقی در بهبود تخمین میزان تبخیر و تعرق روزانه گیاه مرجع (ETo) پرداخته شد. دادههای اقلیمی بکار گرفته شده در این مطالعه، شامل دمای هوا، تشعشع خورشیدی، سرعت باد و رطوبت نسبی میباشد که از دو ایستگاه هواشناسی مجهز به دستگاههای اندازهگیری الکترونیکی (سالواتیرا و زامبرانا) در کشور اسپانیا اخذ گردیده و به عنوان ورودیهای مدل عصبی– فازی به منظور تخمین میزان ETo بر اساس معادله پنمن- فائو- مونتیث مورد استفاده قرار گرفتند. نتایج حاصل از مدلهای عصبی– فازی و شبکه عصبی مصنوعی و نیز معادلههای تجربی هارگریوز-سامانی، ریتچی، مک کینگ و تورک در منطقه مقایسه شدند. حاصل تحقیق بیانگر دقت بالای مدل های عصبی- فازی با مقادیر RMSE بین ۲۷۶/۰ تا ۴۳۷/۰میلیمتر در تخمین میزان تبخیر و تعرق (نیاز آبی) روزانه گیاه مرجع میباشد. مدلهای شبکه عصبی مصنوعی با مقادیر RMSE بین ۲۹۸/۰ تا ۵/۱۲میلیمتر نیز عملکرد بهتری نسبت به معادله های تجربی نشان دادند.
Keywords:
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 :