تخمین تبخیر و تعرق روزانه گیاه مرجع با استفاده از سیستم های هوش مصنوعی (ANN و ANFIS) و معادله های تجربی
محل انتشار: فصلنامه دانش آب و خاک، دوره: 23، شماره: 2
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 137
فایل این مقاله در 20 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_WASO-23-2_011
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
فرآیند تبخیر و تعرق به عنوان یکی از مولفههای اصلی چرخه هیدرولوژیک دارای اهمیت فراوانی در مدیریت و توسعه منابع آب و نیز برنامهریزی آبیاری میباشد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج عصبی – فازی تطبیقی در بهبود تخمین میزان تبخیر و تعرق روزانه گیاه مرجع (ETo) پرداخته شد. دادههای اقلیمی بکار گرفته شده در این مطالعه، شامل دمای هوا، تشعشع خورشیدی، سرعت باد و رطوبت نسبی میباشد که از دو ایستگاه هواشناسی مجهز به دستگاههای اندازهگیری الکترونیکی (سالواتیرا و زامبرانا) در کشور اسپانیا اخذ گردیده و به عنوان ورودیهای مدل عصبی– فازی به منظور تخمین میزان ETo بر اساس معادله پنمن- فائو- مونتیث مورد استفاده قرار گرفتند. نتایج حاصل از مدلهای عصبی– فازی و شبکه عصبی مصنوعی و نیز معادلههای تجربی هارگریوز-سامانی، ریتچی، مک کینگ و تورک در منطقه مقایسه شدند. حاصل تحقیق بیانگر دقت بالای مدل های عصبی- فازی با مقادیر RMSE بین ۲۷۶/۰ تا ۴۳۷/۰میلیمتر در تخمین میزان تبخیر و تعرق (نیاز آبی) روزانه گیاه مرجع میباشد. مدلهای شبکه عصبی مصنوعی با مقادیر RMSE بین ۲۹۸/۰ تا ۵/۱۲میلیمتر نیز عملکرد بهتری نسبت به معادله های تجربی نشان دادند.
کلیدواژه ها:
نویسندگان
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 :