پیش بینی تبخیر-تعرق مرجع با استفاده از شبکه های عصبی مصنوعی rbf ،mlp svm
نویسندگان
چکیده
تخمین تبخیر-تعرق گیاه مرجع یکی از مهم ترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی می تواند در پیش بینی نیاز آبی گیاهان و برنامه ریزی کوتاه مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی mlp(پرسپترون چندلایه)، rbf (شبکه تابع پایه ای شعاعی)، svm (ماشین بردار پشتیبان) در پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی در ایستگاه همدیدی تبریز است. برای این منظور از داده های هواشناسی با دوره آماری 39 ساله (2009-1971) استفاده شد. برای آموزش شبکه های عصبی 80 درصد سری های زمانی ایجادشده به تصادف انتخاب و 20 درصد داده ها برای صحت سنجی مدل های پیشنهادی به کار رفتند. برای ایجاد سری زمانی تبخیر-تعرق مرجع روزانه و هفتگی در دوره موردنظر با استفاده از معادله استاندارد پنمن-مانتیث فائو 56 محاسبه گردید. ترکیب های متفاوتی از داده های ورودی (تأخیرهای مختلف) مورد ارزیابی قرار گرفت. نتایج مربوط به پیش بینی روزانه شبکه های عصبی نشان داد شبکه عصبی مصنوعی svm-rbf kernel با تأخیر زمانی m5 دارای rmse و r2 به ترتیب برابر با 0/51میلی متر در روز و 0/92 بهترین عملکرد را داشت. همچنین نتایج مربوط به پیش بینی هفت روزه نشان داد که شبکه عصبی mlp با تأخیر زمانی m8 دارای rmse و r2 به ترتیب برابر با 3/88 میلی متر در هفته و 0/95 دارای بیش ترین دقت بودند.
منابع مشابه
پیش‌بینی تبخیر-تعرق مرجع با استفاده از شبکه‌های عصبی مصنوعی RBF ،MLP SVM
تخمین تبخیر-تعرق گیاه مرجع یکی از مهمترین مؤلفه‌ها در بهینه‌سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش‌بینی تبخیر-تعرق مرجع روزانه و هفتگی می‌تواند در پیش‌بینی نیاز آبی گیاهان و برنامه‌ریزی کوتاه‌مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی MLP(پرسپترون چندلایه)، RBF (شبکه تابع پایه‌ای شعاعی)، SVM (ماشین بردار پشتیبان) در پیش‌بینی تبخیر-تعرق م...
متن کاملمقایسه عملکرد شبکه های عصبی rbf و mlp در برآورد تبخیر و تعرق گیاه مرجع
تبخیر و تعرق یکی از اجزای اصلی چرخه ی هیدرولوژی است. این فرایند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه ی اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده اند. در تحقیق حاضر امکان استفاده از شبکه های با تابع پایه ی شعاعی (rbf) و شبکه های پرسپترون چند لایه (mlp) برای تخمین تبخیر و تعرق گیاه مرجع مورد مطالع...
متن کاملمقایسه عملکرد شبکه‌های عصبی RBF و MLP در برآورد تبخیر و تعرق گیاه مرجع
تبخیر و تعرق یکی از اجزای اصلی چرخه‌ی هیدرولوژی است. این فرایند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه‌های عصبی مصنوعی در چند دهه‌ی اخیر و در مطالعات صورت گرفته برای مدل‌سازی سیستم‌های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده‌اند. در تحقیق حاضر امکان استفاده از شبکه‌های با تابع پایه‌ی شعاعی (RBF) و شبکه‌های پرسپترون چند لایه (MLP) برای تخمین تبخیر و تعرق گیاه مرجع مورد مطالع...
متن کاملکاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی
برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار می‌رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می‌رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از دادههای هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...
متن کاملارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع
در این تحقیق، کارائی دو نرمافزارشبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق گیاه مرجع (et0) بررسی گردید. بدین منظور از دادههای 2 سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرمافزار مرسوم ns وnw با قابلیت بهکارگیری آلگوریتمهای متفاوت، بهکار رفت. جهت ارزیابی اجرای دو نرمافزار برای آرایشها، قواعد یادگیری و توابع محرک مختلف، از شاخصهای آماری جذر میانگین مربعات خطا (rm...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله محیط زیست و مهندسی آبجلد ۲، شماره ۱، صفحات ۵۱-۶۳
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023