تخمین تبخیر - تعرق سطوح گیاهی مرجع با روش شبکه های عصبی مصنوعی

کاربرد تلفیقی شبکه عصبی و روش های محاسباتی جهت تخمین دقیق تر تبخیر-تعرق مرجع

در بسیاری از مسائل آبیاری و زهکشی، هیدرولوژی، محیط زیستی، فرسایش خاک و منابع آب تخمین دقیق تر تبخیر-تعرق اهمیت زیادی دارد. استفاده از شبکه عصبی مصنوعی یکی از روش های تخمین تبخیر-تعرق مرجع می‌باشد. 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 ...

تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

ارزیابی شبکه عصبی مصنوعی و مدل‌های فیزیکی تجربی تخمین تبخیر- تعرق گیاه مرجع در آب‌وهوای نیمه‌خشک

تخمین تبخیر- تعرق گیاه مرجع درون گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی

امروزه شبکه‌های عصبی مصنوعی کاربرد بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده‌اند. در این پژوهش جهت تخمین تبخیر- تعرق مرجع داخل گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی، از داده‌های هواشناسی اندازه‌گیری شده داخل گل‌خانه و همچنین داده‌های اندازه‌گیری شده خارج گل‌خانه استفاده گردید. در این پژوهش از شبکه‌های عصبی مصنوعی با ساختار ...

مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)

     تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های A...