کاربرد رگرسیون چندمتغیره و برنامه ریزی بیان ژن در مدل سازی تبخیرتعرق مرجع (مطالعه موردی: ایستگاه خرم آباد)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 149

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JISE-45-1_003

تاریخ نمایه سازی: 4 آبان 1401

چکیده مقاله:

در این پژوهش به­منظور تخمین تبخیرتعرق مرجع در ایستگاه خرم­آباد، روش­های رگرسیون چندمتغیره و برنامه­ریزی بیان ژن مورد بررسی و استفاده قرار گرفتند. برای اطلاعات ورودی مدل از اطلاعات ایستگاه سینوپتیک خرم­آباد شامل: درجه حرارت حداکثر و حداقل، رطوبت نسبی حداکثر و حداقل، ساعات آفتابی و سرعت باد ماهانه در بازه زمانی ۱۳۹۵-۱۳۶۱ (به تعداد ۴۲۰ ماه) استفاده شد. بر اساس رابطه بین پارامترهای ورودی و خروجی، شش الگوی ورودی برای مدل­سازی تعیین گردید. ۷۰ درصد داده­ها برای آموزش و ۳۰ درصد داده­ها برای صحت­سنجی مدل­ها به­کار گرفته شد، هم­چنین در روش برنامه­ریزی بیان ژن دو نوع عملگر ریاضی شامل چهار عملگر اصلی و عملگرهای پیش­فرض مدل مورد بررسی قرار گرفتند. نتایج حاصل از رگرسیون چندمتغیره نشان ­داد که مدل پیشنهادی با مقدار ۹۵۲/۰ =R۲ از دقت قابل­قبولی برخورداراست. تحلیل ضرایب مدل حاکی از بیشترین تاثیر حداکثر درجه حرارت با ضریب ۶۰۴/۰ بر تبخیرتعرق مرجع بود. نتایج برنامه­ریزی بیان ژن نشان داد الگوی پنجم با عملگرهای چهار اصلی، در مرحله آموزش با ۹۵۸/۰ R۲=، ‎۷۰۴/۰RMSE= و ۹۷/۰NS= و مرحله آزمون با ۹۷۷/۰ R۲=،  ‎‎۶۱۵/۰RMSE= و ۹۷۷/۰NS= عملکرد بهتری را داشته و نتایج به دست آمده نشان داد که برنامه­ریزی بیان ژن دارای توانایی قابل قبولی در تخمین تبخیرتعرق مرجع تحت شرایط آب وهوایی خرم­آباد بوده و به عنوان مدل قابل­استفاده در این زمینه معرفی کرد.

نویسندگان

یاسر سبزواری

دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه لرستان.

علی حیدر نصرالهی

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان

مجید شریفی پور

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان.

بابک شاهی نژاد

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان.

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 :
  • Ahmadi, F., Aisham, S., Khalili, K. And Bahman, c., ۲۰۱۵. ...
  • Allen, R.G., Pereira, L.S., Raes, D. and Smith, M., ۱۹۹۸. ...
  • Ferreira C., ۲۰۰۱. Gene expression programming: a new adaptive algorithm ...
  • Feyzollahpour, F., Delaware, M. and Hesami Afshar, M., ۲۰۱۷. Evaluation ...
  • Gholami, V., Derakhshan, Sh. and Darwari, Z., ۲۰۱۲. Investigation of ...
  • Hargreaves, G. H., ۱۹۹۴. Defining and using reference evapotranspiration. Irrigation ...
  • Hosseini, S., Ganji Khoramdel, N. and Khalat Abadi Farahani, A.H., ...
  • Kisi, O. and Alizamir, M., ۲۰۱۸. Modelling reference evapotranspiration using ...
  • Ladlani, I., Hauichi, L., Dhemili, L., Heddem, S. and Blouze, ...
  • Lopes, H.S. and Weinert, W.R., ۲۰۰۴. EGYPSIS: An enhanced gene ...
  • Marti, P., Gonzalez-Altozano, P., Lopez-Urrea, R., Mancha, L.A. and Shiri, ...
  • Mattar, M. A., ۲۰۱۸. Using gene expression programming in monthly ...
  • MohammadRezapour, A., Amini, A. and Karandish, F., ۲۰۱۵. Modeling monthly ...
  • Pour-Ali Baba, A., Shiri, J., Kisi, O., Fard, A.F., Kim, ...
  • Sattari, M.H. and Esmailzadeh, B., ۲۰۱۶. Comparison of the results ...
  • Sarmadian, F., Mehrjerdi, R., Asgari, H. and Akbarzadeh, A., ۲۰۱۰. ...
  • Seifi, A., Mir Latifi, S. M. and Riahi, H., ۲۰۱۰. ...
  • Shiri, J., ۲۰۱۷. Evaluation of FAO۵۶-PM, empirical, semi-empirical and gene ...
  • Shiri, J., Nazemi, A.H., Sadraddini, A.A., Landeras, G., Kisi, O., ...
  • Tabari, H., Kisi, O., Ezani, A. and Talaee, P.H., ۲۰۱۲. ...
  • Wen, X., Si, J., He, Z., Wu, J., Shao, H. ...
  • Yassin, M.A., Alazba, A.A. and Mattar, M.A., ۲۰۱۶. Artificial neural ...
  • نمایش کامل مراجع