شبیه سازی تبخیر مخازن چاه نیمه زابل با استفاده از مدل دینامیکی شبکه عصبی ومعادلات تجربی
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,083
This Paper With 9 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:
ABYARI09_086
تاریخ نمایه سازی: 21 مهر 1386
Abstract:
بررسی وضعیت منابع آب در ایران نشان میدهد که میانگین بارندگی سالیانه ایران در حدود 250 میلی متر است، که این مقدار 30 درصد متوسط بارندگی در خشکی های کره زمین (730 میلی متر) می باشد. این در حالی است که متوسط سالیانه تبخیر در ایران تقریبا 180 میلی متر معادل 71 درصد بارندگی متوسط سالیانه برآورد گردیده است. در زمینه تبخیر مدل های زیادی ارائه شده است که بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به انها مشکل است و یا اندازه گیری انها محتاج صرف هزینه و زمان زیادی می باشد. در بحث شناسایی سیستم، مدل های اماری قوی برای مدلسازی فرایندهای اتفاقی و سری های زمانی وجود دارد. به طور کلی مدل های دینامیک در بررسی ها ی کوتاه مدت، دقیق تر از مدل های استاتیک پاسخ می دهد. یکی از این مدلها، مدل // است. در این مقاله از ترکیب این مدل با ساختار شبکه عصبی (NN-ARX) جهت تخمین تبخیر استفاده شده است. در این مطالعه بهترین ترکیب برای ورودی شبکه دما، باد، رطوبت نسبی، کمبود فشار بخار اشباع می باشد. پس از اجرای برنامه مذکور نتایج تحلیل آماری MAE= 0/9965 , d=0/78 , RNSE=7/93 حاصل گردید که نشان از توانایی این مدل در شبیه سازی فرایند اتفاقی تبخیر (که معادلاتی دینامیک بر روند آن حاکم است) دارد. با مقایسه نتایج حاصل از مدل شبکه عصبی دینامیکی و روابط تجربی با داده های اندازه گیری تبخیر مشاهده گردید که مدل دارای ضریب تبیین R2= 0/9854 بوده، در حالی که مقدار این ضریب برای معادلات تجربی حدود 0/85 بدست امد. بنابراین می توان نتیجه گرفت که مدل شبکه عصبی دینامیکی کاربرد بهتری نسبت به معادلات تجربی برای تخمین تبخیر دارد.
Keywords:
Authors
جمشید پیری
دانشگاه شیراز
سیف الله امین
دانشگاه شیراز
داور خلیلی
دانشگاه شیراز
اسلام کشاورز
دانشگاه شیراز
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 :