ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع
Publish place: The Journal of Water and Soil، Vol: 19، Issue: 1
Publish Year: 1388
Type: Journal paper
Language: Persian
View: 200
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_WASO-19-1_002
Index date: 6 March 2023
ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع abstract
در این تحقیق، کارائی دو نرمافزارشبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق گیاه مرجع (ET۰) بررسی گردید. بدین منظور از دادههای ۲ سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرمافزار مرسوم NS وNW با قابلیت بهکارگیری آلگوریتمهای متفاوت، بهکار رفت. جهت ارزیابی اجرای دو نرمافزار برای آرایشها، قواعد یادگیری و توابع محرک مختلف، از شاخصهای آماری جذر میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب تعیین (R۲) استفاده شد. با اجرای نرمافزار NS آرایش مطلوب با ویژگی حداقل RMSE، MAE و حداکثر R۲ در مقایسه با ارقام مشاهداتی (لایسیمتری) به ترتیب معادل ۰۸/۰ (میلی متر در روز)، ۰۷/۰ (میلی متر در روز) و ۸۷/۰ بدست آمد. نتایج تحقیق نشان داد نرمافزار NS با آرایش مطلوب که ویژگی مدل آموزشی گرادیان مزدوج و تابع محرک سیگمویید را دارا باشد، نسبت به نرمافزار NW با توجه به تعداد تکرار کمتر و زمان محاسباتی کوتاهتر برتری دارد. نتایج نشان داد وجود دو لایه پنهان نسبت به یک لایه پنهان بر دقت تبخیر-تعرق برآورد شده از نرمافزار، تاثیری نداشت. بررسی حساسیت مدل شبکه عصبی مصنوعی نشان داد که تبخیر- تعرق بیشترین وابستگی را به حداکثر دمای هوا و کمترین وابستگی را به حداقل رطوبت نسبی دارد.
ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع Keywords:
ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع authors
حمید زارع ابیانه
دانشکده کشاورزی، دانشگاه بوعلی سینا
عادل قاسمی
دانشکده کشاورزی، دانشگاه بوعلی سینا
مریم بیات ورکشی
دانشکده کشاورزی، دانشگاه بوعلی سینا
کوروش محمدی
دانشکده کشاورزی، دانشگاه تربیت مدرس
علی اکبر سبزی پرور
دانشکده کشاورزی، دانشگاه بوعلی سینا
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 :