مقایسه کارایی مدل های هوشمند جهت تخمین تبخیر از تشت با استفاده از حداقل پارامترهای هواشناسی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 427
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:
ICSAU04_0240
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
امروزه تخمین صحیح تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه پایدار و مدیریت بهینه منابع آبکشورهای مواجه با بحران آب میتواند ایفاء کند. تاکنون روشها و فرمول های تجربی فراوانی در زمینه برآورد فرایند غیر خطی و پیچیدهتبخیر از تشت ارایه شده که با عدم قطعیت می باشد و از دقت بالایی برخوردار نبوده و همچنین دسترسی به تمام پارامترهای ورودی آنهامشکل و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشند. در این تحقیق کارایی سه مدل ANFIS-GP, ANN وANFIS-SC جهت برآورد تبخیر ماهانه از تشت مورد ارزیابی قرار گرفته است. ورودی هر مدل شامل بارش، دما و رطوبت نسبی وخروجی میزان تبخیر از تشت تبخیر برای یک دوره 20 ساله (1393-1374) در ایستگاه واقع در شهر سمنان می باشد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی، حداکثر مقادیر ضریب تبیین ((R(2)به ترتیب 0/940، 0/938 و 0/840 مشاهده شد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی حداقل مقدار ریشه میانگین مربعات خطا (RMSE)؛ 41/471، 42/425 و 41/751 میلیمتر در روز می باشد.همچنین مقایسه شبکه های عصبی مصنوعی و سیستم فازی - عصبی تطبیقی نیز نشان داد که روش شبکه عصبی مصنوعی دارایمعیارهای ارزیابی مناسب تری نسبت به سیستم فازی - عصبی تطبیقی می باشد. بنابراین استفاده از شبکه عصبی مصنوعی جهت برآوردتبخیر از تشت برای منطقه مورد نظر توصیه می شود.
Keywords:
Authors
علی خیراندیش
دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده مهندسی عمران، دانشگاه سمنان
سعید فرزین
استادیار دانشکده مهندسی عمران، دانشگاه سمنان
خسرو حسینی
استادیار دانشکده مهندسی عمران، دانشگاه سمنان
علی اصغر هاشمی
استادیار دانشکده مهندسی عمران، دانشگاه سمنان
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 :