شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل)

حسین پیری صحراگرد; جمشید پیری; فاطمه بهمنی

شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل)

Publish place: Fifth International Conference on Integrated Water Resource Management

Publish Year: 1395

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/555294

Document National Code:

NCUIMWR05_001

Index date: 25 January 2017

شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل) abstract

تخمین دمای خاک هر منطقه یکی از مسائل مهم در برنامه ریزی طرح های مدیریت منابع آب و استقرار پوشش گیاهی در مناطقخشک می باشد که به روش های مختلفی همچون مدل های تجربی، نیمه تجربی و هوشمند قابل انجام است. از جمله مدلهای تجربیمورد استفاده دراین زمینه می توان به شبکه عصبی مصنوعی (ANN) و الگوریتم ترکیبی شبکه عصبی- ژنتیک اشاره نمود. هدف ازانجام این پژوهش مقایسه مدل شبکه عصبی با الگورریتم ترکیبی شبکه عصبی- ژنتیک است. بدین منظور پس از با جمع آوری داده های روزانه دمای خاک در اعماق 50، 30، 20، 10، 5 و 100 سانتی متری موجود در ایستگاه سینوپتیک در سال های 1393-1390، داده های دردسترس به نسبت 60، 20 و 20 درصد به روش تصادفی به سه مجموعه آموزش، آزمون و اعتبارسنجی تقسیم خواهد شد. به منظور دستیابی آسانتر به تعیین ترکیب بهینه پارامترهای موثر از جمله دمای حداکثر، دمای حداقل، ساعات آفتابی و تبخیر درواسنجی ضرایب ANN از الگوریتم ترکیبی (ANN-GA) به عنوان یک ابزار شبیه سازی استفاده گردیده است. نتایج شبیه سازی توسط مدل ها با استفاده از معیارهای ریشه میانگین مربعات خطا (RMSE) و میانگین انحراف خطا (MAE) مورد ارزیابی قرار گرفته است. مشخصات شبکه با استفاده از بسته نرم افزاری MATLAB تعیین شد. نتایج نشان داد در شبکه عصبی نسبت به الگوریتم ترکیبی شبکه عصبی- ژنتیک از میزان خطا بیشتر و دقت کمتری برخوردار است از دلایل آن می توان به بالا بودن دقت و کارایی بالا مدلالگوریتم ترکیبی شبکه عصبی- ژنتیک نام برد.

شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل) Keywords:

الگوریتم ژنتیک , دمای خاک , زابل , شبکه عصبی , شبیه سازی

شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل) authors

حسین پیری صحراگرد

استادیار ،گروه مرتع و آبخیزداری، دانشگاه زابل، شهر زابل

جمشید پیری

مربی، گروه مهندسی آب، دانشگاه زابل، شهر زابل

فاطمه بهمنی

دانشجوی کارشناسی ارشد رشته بیابان زدایی، گروه مرتع و آبخیزداری، شهرزابل

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 :

Assistant Professor, Rangland and watershed Group (Department), Zabol University, Zabol ...

Advisor, Department of water Engineering, Zabol University, Zabol city ...

Graduate Student of desertification, Rangland and watershed Group (Department), Zabul ...

نمایش کامل مراجع