برآورد تبخیر روزانه از تشت تبخیر با استفاده از روش های یادگیری ماشینی
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 12، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 374
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-12-4_021
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
تبخیر یکی از اصلی ترین فرایندها در چرخه ی آبی طبیعت و یکی از مهمترین عوامل در مطالعات کشاورزی، هیدرولوژیکی، هواشناسی، بهره برداری مخازن، طراحی سیستم های آبیاری و زهکشی، زمان بندی آبیاری و مدیریت منابع آب می باشد. بنابراین شبیه سازی هرچه دقیق تر مقدار تبخیر از اهمیت بالایی در مطالعات هیدرولوژیکی برخوردار است. در این راستا و در تحقیق حاضر، از روش های هوشمند برنامه ریزی ژنتیک، رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی برای برآورد و شبیه سازی مقادیر تبخیر از تشت در ایستگاه های هواشناسی تبریز و جلفا استفاده شده است بدین منظور، از داده های هواشناسی تبخیر، دما، رطوبت نسبی، سرعت باد و تابش خورشیدی ایستگاه های مذکور در بازه زمانی بیست ساله (۱۳۹۰-۱۳۷۱) استفاده شده و دقت روش های مورد مطالعه با استفاده از پارامترهای آماری جذر میانگین مربعات خطا، میانگین خطای مطلق، ضریب همبستگی و همچنین دیاگرام تیلور مورد بررسی قرار گرفت. نتایج حاصل از این پژوهش نشان دادند که در بهینه ترین حالت و به ترتیب در ایستگاه های تبریز و جلفا، برنامه ریزی ژنتیک با دارا بودن خطای ۲.۱۸ و ۲.۶۸، رگرسیون بردار پشتیبان با خطای ۲.۱۹ و ۲.۲۲ و شبکه عصبی مصنوعی با خطای ۲.۱۴ و ۲.۲۱ عملکرد مناسبی در شبیه سازی مقدار تبخیر داشته اند. در نهایت برای ایستگاه تبریز سناریو دوم روش شبکه عصبی مصنوعی با پارامترهای ورودی دما و سرعت باد و برای ایستگاه جلفا سناریو هفتم روش شبکه عصبی مصنوعی با پارامترهای ورودی دما، رطوبت نسبی، سرعت باد و تابش خورشیدی و دارا بودن بهترین عملکرد، به عنوان مدل هایی با دقت مناسب برای شبیه سازی مقدار تبخیر از تشت پیشنهادگردید.
کلیدواژه ها:
نویسندگان
سعید صمدیان فرد
گروه مهندسی آب، دانشگاه تبریز
سجاد هاشمی
دانشجوی کارشناسی مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
مجتبی ایزدیار
دانشجوی کارشناسی مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :