مقایسه روش رگرسیون چند متغیره و شبکه ی عصبی مصنوعی در مدل سازی دمای خاک با استفاده از عناصر هواشناسی (مطالعه موردی: ایستگاه سینوپتیک بندرعباس)
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 42
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WMJI-7-24_004
تاریخ نمایه سازی: 6 دی 1402
Abstract:
دمای خاک به عنوان یک عنصر مهم و تاثیر گذار در رشد گیاهان مطرح است، که در ایستگاه های هواشناسی به صورت منظم و پیوسته اندازه گیری نمی شود، ازاین روی داده های دمای خاک با کمبود آماری مواجه است. دمای خاک در اعماق مختلف متفاوت و متاثر از دمای محیط بیرون و دیگر عوامل است. در این تحقیق سعی شده است تا دمای اعماق مختلف خاک رسی- شنی (۵،۱۰،۲۰،۳۰،۵۰ و۱۰۰ سانتی متری) را به کمک پارامترهای روزانه ی هواشناسی موجود در ایستگاه هواشناسی بندرعباس به روش رگرسیون چند متغیره و شبکه ی عصبی مصنوعی برای دوره آماری سال های ۱۳۷۲ تا ۱۳۹۶ مدل سازی شود. پس از محاسبه ی ضریب همبستگی بین دمای اعماق خاک با پارامترهای هواشناسی مشخص گردید، دمای خشک، مقدار تبخیر و دمای نقطه ی شبنم بیشترین همبستگی را با دمای خاک در اعماق مختلف دارد. میزان قدر مطلق خطای محاسبه شده در روش رگرسیون بین ۰۹/۱ درجه (برای عمق ۱۰ سانتی متری) و ۸۸/۱ درجه (برای عمق ۱۰۰ سانتی متری) و در روش شبکه ی عصبی بین ۱۷/۱ و ۸۵/۱ درجه می باشد. بنابراین با توجه به ساده بودن رگرسیون چندمتغیره و عدم تفاوت زیاد با نتایج شبکه عصبی مصنوعی، از مدل فوق در مناطق مشابه برای پیش بینی دمای خاک می توان بهره برد.
Keywords:
Authors
سعید خوشحال
فارغ التحصیل کارشناسی ارشد رشته هواشناسی، دانشگاه هرمزگان
ام لبنین بذرافشان
دانشیار، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان