CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارزیابی عملکرد شبکههای عصبی مصنوعیMLP و RBF در برآورد تبخیر- تعرق گیاه مرجع دراستان گیلان

عنوان مقاله: ارزیابی عملکرد شبکههای عصبی مصنوعیMLP و RBF در برآورد تبخیر- تعرق گیاه مرجع دراستان گیلان
شناسه ملی مقاله: AGROCONGRESS01_347
منتشر شده در اولین همایش الکترونیکی یافته های نوین در محیط زیست و اکوسیستم های کشاورزی در سال 1393
مشخصات نویسندگان مقاله:

مریم رضایی - دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی، دانشگاه گیلان
نادر پیرمرادیان - استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان
افشین اشرف زاده - استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان

خلاصه مقاله:
به منظور تعیین آب مصرفی اراضی، ظرفیت کانال ها و طراحی سیستم های آب، حجم مخازن وسد ها و دیگر موارد لازم است تا مقدار تبخیر- تعرق با دقت هرچه بیشتر محاسبه گردد. در تحقیق حاضر، امکان استفاده از شبکه های با تابع پایه ی شعاعی (RBF) و شبکه های پرسپترون چندلایه (MLP) برای تخمین تبخیر- تعرق گیاه مرجع مورد نظر قرارگرفت. با استفاده از سری داده های هواشناسی 11 ایستگاه موجود در استان گیلان، ابتدا مقادیر متوسط تبخیر- تعرق ماهانه ی گیاه مرجع از روش استاندارد پنمن- مانتیث فائو (PM)، محاسبه شد. با تعریف 5 سناریو بر مبنای ورودی مدل، شبکه های مختلفی با ساختار متفاوت تعریف و با استفاده از 60 درصد داده ها آموزش داده شد. آزمون شبکه ها برای تخمین تبخیر- تعرق با استفاده از 25 درصد داده ها انجام شد، 15 درصد دیگر برای صحت سنجی استفاده شد. بر اساس نتایج، سناریوی 1 با ورودی تبخیر بهترین عملکرد را درتخمین تبخیر- تعرق مرجع برای هر دو شبکه داشت. دقت شبکه MLPدر تخمین تبخیر- تعرق مرجع بیشتر بود و تنها مزیت شبکه یRBF زمان کمتر مورد نیاز برای آموزش است.

کلمات کلیدی:
پنمن- مانتیث فائو، شبکه های پرسپترون چندلایه، شبکه توابع پایه ی شعاعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/356198/