تلفیق شبکه عصبی و روش های محاسباتی جهت تخمین دقیق تر تبخیر تعرق مرجع

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 611

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCIID02_071

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

در بسیاری از مسائل آبیاری و زهکشی، هیدرولوژی، محیط زیستی و منابع آب تخمین دقیق تر تبخیر- تعرق اهمیت زیادی دارد. استفاده از شبکه عصبی مصنوعی یکی از روش های تخمین تبخیر- تعرق مرجع می باشد. تاکنون در بیشتر مقالات منتشر شده داده های اقلیمی به عنوان ورودی شبکه عصبی جهت تخمین تبخیر- تعرق مرجع مورد استفاده قرار گرفته است. در این تحقیق از تبخیر- تعرق محاسبه شده بوسیله روش های محاسباتی هارگریوز سامانی، جنسن هیز، تورک و روش تشت تبخیر در کنار داده های هواشناسی به عنوان داده های ورودی شبکه عصبی مصنوعی استفاده شد. نتایج نشان داد که از بین روش هایمذکور به همراه داده های هواشناسی به عنوان داده های ورودی شبکه عصبی تنها روش جنسن هیز منجر به تخمین تبخیر-تعرق مرجع روش استاندارد پنمن- مانتیس فائو با دقت بالا گردید و در بقیه روش ها استفاده از شبکه عصبی مصنوعی به همراه روش های محاسباتی اگرچه اندکی دقت تخمین را بهبود داده اما همچنان دقت این روش ها برای محاسبه تبخیر- تعرق مرجع پایین می باشد.

نویسندگان

علی شعبانی

استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه فسا، فسا، جمهوری اسلامی ایران

علیرضا سپاس خواه

استاد بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، شیراز، جمهوری اسلامی ایران

مهدی بهرامی

استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه فسا، فسا، جمهوری اسلامی ایران

فاطمه رازقی

استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، شیراز، جمهوری اسلامی ایران

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 :
  • Abedi-Koupai, J., Amiri, M.J. and Eslamian, S.S. (2009). Comparison of ...
  • Allen, R.G. (1999). Reference evapo transpiration calculation software for F ...
  • Allen, R.G., Pereira, L.S., Raes, D. and Smith M. (1998). ...
  • Cuenca, R.H. (1989). Irrigation system design: An engineering approach. Englewood ...
  • Dehbozorgi, F. and Sepaskhah, A.R. (2012). Comparison of artificial neural ...
  • Hargreaves, G.H. and Samani, Z.A. (1985). Reference crop evapo transpiration ...
  • Jain, S.K., Nayak, P.C. and Sudheer, K.P. (2008). Models for ...
  • Jamieson, P.D., Porter, J.R. and Wilson, D.R., (1991). A test ...
  • Jensen, M.E., Burman, R.D. and Allen, R.G. (1990). Evapo transpiration ...
  • Kumar, M., Raghuwanshi, N., Singh, R., Wallender, W. and Pruitt, ...
  • Landeras, G., Ortiz-Barredo, A. and Lopez, J.J. (2008). Comparison of ...
  • Priestley, C.H. and Taylor, R.. (1972). On the assessment of ...
  • Razzaghi, F., and Sepaskhah, A.R. (2010). Assessment of nine different ...
  • Traore, S., Wang, Y.-M. and Kerh, T. (2010). Artificial neural ...
  • Zanetti, S., Sousa, E., Oliveira, V., Almeida, F. and Bernardo, ...
  • doi: 10. _ _ _ 6/j.agwat.2007. 12.01 _ ...
  • نمایش کامل مراجع