مدلسازی تبخیر و تعرق مرجع با استفاده از مدل تطبیقی نرو فازی و مدل رگرسیون خطی چند متغیره در منطقه ارومیه

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 617

This Paper With 21 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

AGROCONGRESS02_152

تاریخ نمایه سازی: 14 دی 1394

Abstract:

یکی از راه های کاهش تلفات آب در مزارع، برنامه ریزی صحیح آبیاری می باشد که اساس آن را برآورد دقیق نیاز آبی گیاهان تشکیل می دهد که ضریبی از تبخیر و تعرق مرجع می باشد. تبخیر و تعرق مرجع یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد. لایسیمتر یکی از دقیقترین روشهای برآورد تبخیر و تعرق است اما استفاده از لایسیمتر مستلزم وقت و هزینه زیادی است از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و به کار بردن مدلهای تجربی انجام می گیرد. لزوم استفاده از روشهای جدید داده کاوی را نشان می دهد که این پیچیدگی را در مدلهای ریاضی ساده شده با دقت بالا ارائه دهد از این رو در ین تحقیق از سیستم استنتاج عصبی - فازی تطبیقی به کمک نرم افزار MATLAB و رگرسیون خطی چندمتغیره به کمک نرم افزار SPSS و برنامه R برای تخمین تبخیر و تعرق استفاده شد. نتایج حاصل از محاسبات نشان داد که سیستم استنتاج عصبی - فازی تطبیقی با یک ورودی و تعداد 4 خوشه با شعاع خوشه 0/5 و با توجه به شاخصهای آماری MAE 3NRMSE 3RMSE و R2 به ترتیب برابر با 10/14 (میلی متر در ده روز)، 0/121، 7/87 (میلی متر در ده روز) و 0/7543 نسبت به رگرسیون خطی چند متغیره، همخوانی بیشتری با داده های لایسیمتری منطقه ارومیه دارد.

Keywords:

Authors

حسن هژیر

دانش آموخته کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشکده علوم آب، دانشگاه شهید چمران اهواز

مهدی جوزی

دانشجوی دکتری آبیاری وزهکشی، گروه مهندسی آب، دانشکده کشاورزی دانشگاه بوعلی سینا

حیدر مظلوم علی آبادی

دانش آموخته کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشگاه آزاد اسلامی واحد تربیت حیدریه

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 :