ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پیش بینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH

Year: 1395
COI: JR_JWSC-23-4_020
Language: PersianView: 113
This Paper With 8 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

مسعود کرباسی - هیات علمی دانشگاه زنجان

Abstract:

سابقه و هدف: تخمین دقیق مقدار تبخیر-تعرق مرجع برای انجام بسیاری از تحقیقات ضروری و از مهم ترین مسائل در طرح های آبیاری و زهکشی و منابع آب به شمار می رود. یکی از این مسائل که می تواند در راستای اهداف ذکرشده اعمال شود، پیش بینی تبخیر-تعرق مرجع برای آینده است تا بتوان با برنامه ریزی های مناسب، امکان استفاده بهتر از منابع موجود را فراهم نمود (7). در سال های اخیر استفاده از روش های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است (12). هدف تحقیق حاضر استفاده از دو مدل GMDH و موجک-GMDH در پیش بینی تبخیر-تعرق مرجع روزانه در ایستگاه سینوپتیک اهواز است. مواد و روش ها:. بدین منظور یک دوره آماری 10 ساله (2000 الی 2009) که 7 سال (2000-2006) آن برای آموزش و 3 سال (2007-2009) جهت آزمون و صحت سنجی مدل های پیشنهادی در نظر گرفته شد. برای ایجاد سری زمانی تبخیر-تعرق مرجع روزانه در دوره مورد نظر از معادله استاندارد پنمن-مانتیث فائو 56 استفاده گردید. 9 ترکیب مختلف از داده های ورودی (تاخیرهای مختلف) و انواع موجک های مادر (13 موجک مادر) مورد ارزیابی قرار گرفت. در مجموع 126 مدل که 117 عدد از آن ها مربوط به مدل هیبریدی موجک-GMDH و 9 مدل شبکه عصبی GMDH بود، اجرا گردید. برای انتخاب بهترین مدل از معیارهای آماری نظیر ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و درصد متوسط خطا (MARE) استفاده شد. یافته ها: نتایج نشان داد که مدل هیبریدی موجک-GMDH (با RMSE 31/0 میلی متر بر روز) در مقایسه با مدل شبکه عصبی GMDH (با RMSE 22/1 میلی متر بر روز) دارای توانایی و دقت بالاتری در پیش بینی تبخیر-تعرق مرجع روزانه است. همچنین نتایج نشان داد که استفاده از تاخیرهای زمانی بیشتر از چهار روز تاثیر چندانی بر دقت مدل ها ندارد و در برخی موارد می تواند موجب کاهش دقت نیز گردد. نتایج تحقیق حاضر با تحقیقات مشابه که از تبدیل موجک برای پیش پردازش داده ها استفاده نموده اند، مطابقت دارد (1، 4، 5 و 12). بررسی انواع موجک های مادر نیز نشان داد که استفاده از موجک میر به علت پیچیدگی بیشتر باعث افزایش دقت مدل ها می گردد. یافته فوق با نتایج رجایی و ابراهیمی(2014)، شعیب و همکاران(2015) و طوفانی و همکاران (2012) مطابقت دارد(13، 15 و 17). نتیجه گیری: نتایج این تحقیق نشان داد که مدل موجک- GMDH (درصد متوسط خطای مطلق 53/5) در پیش بینی تبخبر-تعرق مرجع برای یک روز بعد برتری چشم گیری بر مدل GMDH ( درصد متوسط خطای 11/22) دارد. از نتایج تحقیق حاضر می توان در برنامه ریزی آبیاری منطقه موردمطالعه استفاده نمود. در پایان پیشنهاد می گردد، مدل های پیشنهادی در اقلیم های مختلف ایران نیز مورد بررسی و ارزیابی قرار بگیرند.

Keywords:

Paper COI Code

This Paper COI Code is JR_JWSC-23-4_020. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/955104/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
کرباسی، مسعود،1395،پیش بینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک – شبکه عصبی GMDH،https://civilica.com/doc/955104

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 8,676
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support