مقایسه عملکرد روشهای افراز شبکه و دسته بندی تفریقی در تخمین میزان تبخیر از تشت

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,114

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCAGM01_105

تاریخ نمایه سازی: 7 آذر 1391

Abstract:

تبخیر یکی از مهمترین اجزای چرخه هیدرولوژی است که برآورد دقیق آن در مدیریت بهینه و توسعه منابع آب هر ناحیه ازاهمیت زیادی برخوردار است. در این تحقیق عملکرد دو روش مختلف فازی- عصبی شامل الف) روش افراز شبکه و ب) دستهبندی تفریقی در تخمین میزان تبخیر از تشت مورد ارزیابی قرار گرفت. در این راستا، داده های هواشناسی ایستگاه تبریز درمقیاس روزانه بهمدت 6 سال متوالی شامل میانگین دمای هوا، سرعت باد، رطوبت نسبی هوا و تعداد ساعات آفتابی جهت مدل-سازی تبخیر مورد استفاده قرار گرفتند. پس از مدل بندی داده ها با مشاهدات 2 سال متوالی دیگر مورد صحت سنجی قرار گرفتند. جهت ارزیابی نتایج مدلهای مورد مطالعه پارامترهای آماری شامل 1) ضریب همبستگی (2(R) ریشه میانگین مربعات خطا (RMSE) و 3) میانگین قدر مطلق خطا (MAE) محاسبه شدند. نتایج حاکی از عملکرد قابل قبول هر دو روش افراز شبکه و دسته بندی تفریقی در پبش بینی مقدار تبخیر از تشت بود. مقایسه عملکرد دو روش بهکار گرفته شده، نشان دادکه عملکرد روش دسته بندی تفریقی در پیش بینی میزان تبخیر اندکی بهتر از روش افراز شبکه می باشد.

Authors

هادی ثانی خانی

دانشجوی دکتری گروه مهندسی آب ، دانشگاه تبریز

محمدرضا نیک پور

دانشجوی دکتری گروه مهندسی آب ، دانشگاه تبریز

یعقوب دین پژوه

استادیار گروه مهندسی آب، دانشگاه تبریز

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 :
  • تدوین مدل شبکه عصبی مصنوعی تبخیر از تشت با حداقل داده هواشناسی [مقاله کنفرانسی]
  • نخستین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی 1 و ...
  • نخستین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی 1 و ...
  • Abonyi, J., Andersen, H., Nagy, L, , Szeifert, F., 1999. ...
  • Chiu, S., 1994. Fuzzy model identification based _ cluster estimation. ...
  • Chiu, S.L., 1995. Extracting fuzzy rules for pattern classification by ...
  • Cobaner, M., 2011. Evapotran spiration estimation by _ different neuro-fuzzy ...
  • Gunen, A. and Kisi, O. 2011. Daily pan evaporation modeling ...
  • Jang J.S.R. 1993. ANFI3 adaptive _ network-based fuzzy inference system ...
  • Jonic, S., Jankovic, T., Gajic, V., Popovic, D., 1999. Three ...
  • Kennedy, P., Condon, M., Dowling, J., 2003. Torque-ipple minimization in ...
  • Keskin, M.E., Terzi, O. Taylan, D. 2009. Estimating daily pan ...
  • Kisi, O. 2006. Daily pan evaporation modeling using a neuro-fuzzy ...
  • Mo ghaddamnia, A., Ghafari Gousheh, M., Piri, J., Amin, S. ...
  • Russel S.O. Campbell P.F. 1996. Reservoir operating rules with fuzzy ...
  • Samhouri, M., Abu-Ghoush, M., Yaseen, E., Herald, T 2009. Fuzzy ...
  • Wei, M., Bai, B., Sung, A.H., Liu, Q., Wang, J., ...
  • PhD student, Water Engineering Department, University of Tabriz, Iran ...
  • Assistant Professor, Water Engineering Department, University of Tabriz, Iran 9E-mail: ...
  • Mean Average Error (MAE) were calculated. The results indicated that ...
  • نمایش کامل مراجع