ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 542
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCUIMWR03_490
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
با توجه به بحران آب موجود و صرف بیش از 94 درصد از آب کشور در بخش کشاورزی بهتر است علاوه بر مکانیزه نمودن سیستمهای آبیاری، در برآورد نیاز آبی واقعی گیاه تجدید نظر شود. این امر با پیش بینی نزولات جوی در فصول رشد امکان پذیر است. در طراحی سیستمهای آبیاری باید به این نکته توجه داشت که کل بارندگی رخ داده برای گیاه قابل استفاده نبوده و بخشی از بارندگی به رواناب و بخشی به اعماق خاک نفوذ کرده و تنها بخشی از آن که باران موثر است قادر به رفع تنش آبیگیاه بوده و در رشد آن تأثیر گذار است. در این تحقیق از قابلیت سیستم استنتاج تطبیقی عصبی- فازی ANFIS و شبکه های عصبی مصنوعی ANNs ، برای برآورد باران موثر در قائمشهر استفاده شد. به منظور ارزیابی کارایی مدلها، نتایج روش SCS با خروجی مدلهای مورد مطالعه مقایسه شد. نتایج نشان می دهد که مقادیر R^2 برای ANNs و ANFIS به ترتیب برابر 0/999 و 0/9981 و مقادیر RMSE به ترتیب 0/056 و 0/38 میلیمتر است. همچنین مدل ANNs علاوه بر دقت برآورد بالا، دارای پیچیدگیهای ساختاری کمتر و گستردگی بیشتر محدوده کاربرد، بر مدل ANFIS برتری دارد.
Keywords:
Authors
علی کولائیان
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
محمدعلی غلامی سفیدکوهی
استادیار و عضو هیات علمی گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
محمدرضا گهردوست منفرد
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، 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 :