بررسی و ارزیابی برآورد تبخیر و تعرق مرجع بر مبنای الگوریتم های یادگیری ماشین و سبال

Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 27

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCEGIT28_126

تاریخ نمایه سازی: 15 مرداد 1403

Abstract:

برآورد تبخیر و تعرق مرجع یکی از مهم ترین مول فه ها در مدیر یت منابع آب ا ست . روش ا ستاندارد محا سبه تبخیر و تعرق مرجع ، پنمن مانتیث فائو ا ست که فقط از دادههای هوا شنا سی ا ستفاده می شود. به کارگیری همزمان دادههای سنجش از دوری و الگوریتم یادگیری ماشین از اهداف اصلی این پژوهش است . از الگوریتم های یادگیری ماشین مورد استفاده، الگوریتم RF و SVR می باشد و با یکی از مرسومترین روشهای سنجش ازدور برآورد تبخیر و تعرق مرجع ، یعنی سبال مورد مقای سه قرار می گیرد. از میان سه الگوریتم مورد ا ستفاده، RF با نتایج (۸۴۱۴/۰= ۲R و ۱۱۶۹/۰(RMSE= نسبت به SVR (۷۹۶۹/۰= ۲R و ۱۳۱۳/۰(RMSE= و سبال (۷۴۶۳/۰= ۲R و ۲۶۲۲/۰(RMSE= بهترین عملکرد را دا شته و با دقت بی شتری تبخیر و تعرق برآورد می کند.

Keywords:

Authors

زینب نیاستی

دانشکده نقشهبرداری، دانشگاه خواجهنصیرالدین طوسی

حمید عبادی

دانشکده نقشهبرداری، دانشگاه خواجهنصیرالدین طوسی

عباس کیانی

گروه مهندسی نقشهبرداری، دانشگاه صنعتی نوشیروانی بابل