تخمین تبخیر روزانه همراه با تحلیل حساسیت پارامترها

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 610

فایل این مقاله در 8 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:

ICWESD01_143

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

تبخیر یکی از پارامترهای مهم در هیدرولوژی و مدیریت منابع آب است که مورد توجه محققان قرار دارد. در این پژوهش، با استفاده از آمار روزانه هواشناسی ایستگاه رشت به آموزش شبکه عصبی مصنوعی پرسپترون چند لایه پرداخته شد. برای سادهتر کردن مدل و انتخاب پارامترهای حساستر نسبت به تبخیر از روش ماتریس همبستگی استفاده گردید، که با توجه به نتایج ماتریس همبستگی پارامترهای دمای حداکثر، دمای متوسط، دمایحداقل و ساعات آفتابی به عنوان متغیرهای ورودی و تبخیرروزانه به عنوان متغیر خروجی استفاده شد. به منظور ارزیابی کارایی روش به کار رفته، از شاخص های آماری ضریب تعیین R2 و جذر میانگین مربعات خطا RMSE نیز استفاده گردید نتایج این تحقیق نشان داد که شبکه عصبی پرسپترون چند لایه با مقادیر R2 و جذر میانگین مربعات خطا RMSE نیز استفاده گردید نتایج این تحقیق نشان داد که شبکه عصبی پرسپترون چند لایه با مقادیر R2 و RMSE در مرحله آزمون به ترتیب 0/89و0/86 از عملکرد قابل قبولی در شبیه سازی تبخیر روزانه ایستگاه رشت برخور دار است

نویسندگان

سید مصطفی بی آزار

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز

فاطمه بانان فردوسی

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز

افشین اشرف زاده

استادیار و عضو هیات علمی دانشگاه گیلان

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 :
  • اجلالی، ف. (1382)، مجله آب و هوا و اقیم‌شناسی، انتشارات ...
  • کارآموزم. عراقی‌نژاد، ش. (1384). هیدرولوژی پیشرفته، انتشارات دانشگاه امیرکبیر، ص ...
  • دهقانی، الف، الف. پیری، م. حسام، م. دهقانی، ن. (1389). ...
  • کوچک‌زاده، م. بهمنی، ع. (138). ارزیابی عملکرد شبکه‌های عصبی مصنوعی ...
  • _ سداتی‌نژاد، ج. فهمی، ح. (1385). تعیین تخیر و تعرق ...
  • آنالیز حساسیت داده های ورودی به شبکه عصبی مصنوعی به منظور برآورد مقدار تبخیر روزانه [مقاله ژورنالی]
  • نوری، روح اله، هشیاری پور، غلامعلی، اشرفی، خسرو، راستی، عمران(1392)، ...
  • قربانی، مغع. احمدزاده، چ. عی زاهم. طرزی‌الف. (1394). مطالعه مقایسه ...
  • Jain, S.K., Nayak, P.C., and Sudheer, K.P. (2008). "Models for ...
  • Tayfur, G. 2002. Artificial neural networks for sheet sediment transport. ...
  • Cigizoglu, H.K., and Kisi, O. 2006. Methods to improve the ...
  • Kisi, O. 2004. Multi-layer perceptions with Le venb erg-Marquardt training ...
  • Kisi, O. 2005a. Suspended sediment estimation using neuro-fuzzy and neural ...
  • Kisi, O. 2005b. Daily river flow forecasting using artificial neural ...
  • _ Kisi, O. 2006. Daily pan evaporation modelling using a ...
  • Bruton, J.M., McClendon, R.W., and Hoogenboom, G. 2000. Estimating daily ...
  • Chio, Jae-ho., Teresa, A., Bahia, M., and Hussain, U. 2004. ...
  • نمایش کامل مراجع