ارزیابی عملکرد شبکه عصبی مصنوعی پرسپترون چند لایه در تخمین میزان تبخیر-تعرق گیاه مرجع روزانه با استفاده از داده های محدود اقلیمی (مطالعه موردی اقلیم کرمان)
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 949
This Paper With 10 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:
PWSWM02_163
تاریخ نمایه سازی: 12 شهریور 1392
Abstract:
تبخیر-تعرق از گیاهان یکی از مولفه های مهم تعیین میزان نیاز آبی گیاهان و تخصیص میزان آب بهینه دربخش کشاورزی می باشد. تعیین این مولفه به روش های مختلفی انجام شده است. یکی از روش های مدرن درتخمین این مولفه استفاده از شبکه های عصبی مصنوعی است. شبکه های عصبی مصنوعی یک ابزار محاسباتیاست که توانایی شبیه سازی فرایند های غیر خطی و پیچیده پدیده های مختلف دارد. در این پژوهش از اینابزار محاسباتی جهت تخمین میزان تبخیر-تعرق مرجع در مقیاس روزانه با استفاده از داده های ورودی مختلفهواشناسی اخذ شده از ایستگاه سینوپتیک شهر کرمان، استفاده شد. بررسی های نشان داد که شبکه عصبی ANN1 با RMSE=0/3, MAD-0/23, R-0/99, R-0/99 دارای بالاترین عملکرد و کیفیت و ANN6 با میزان RMSE-2/59, MAD-1/96, R-0/6 دارای کمترین عملکرد و کیفیت در مدل کردن تبخیر- تعرق مرجع روزانه است.
Keywords:
Authors
بهرام بختیاری
استادیار، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر، کرمان، ایران
علیرضا محبی دهاقانی
دانشجوی کارشناسی ارشد مهندسی منابع آب، بخش مهندسی آب، دانشگاه شهید باهنر، کرمان، ایران
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 :