مقایسه عملکرد شبکههای عصبی RBF و MLP در برآورد تبخیر و تعرق گیاه مرجع
Authors
Abstract:
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 مطالعه قرار گرفته است. با استفاده از سری دادههای هواشناسی سالهای 1383-1330 ایستگاه تبریز، ابتدا مقادیر متوسط تبخیر و تعرق ماهانهی گیاه مرجع از روش استاندارد پنمن – مونتیث (PM)، محاسبه شد. سپس با استفاده از این مقادیر به عنوان خروجیهای هدف، شبکههای مختلفی با ساختار متفاوت تعریف و آموزش داده شد. در نهایت قابلیت شبکه برای تخمین تبخیر و تعرق با استفاده از قسمتی از دادهها که در طراحی و یا آموزش شبکه استفاده نشدهاند، مورد بررسی قرار گرفت. با بررسیهای انجام گرفته مشخص شد که تنها با استفاده از دو پارامتر دمای میانگین و سرعت باد به عنوان ورودی، میتوان میزان تبخیر و تعرق گیاه مرجع را با استفاده از این دو نوع شبکه با دقت قابل قبولی (4081/0RMSE< و 976/0 R2> برای مجموعهی صحتسنجی) تخمین زد. همچنین با مقایسهی نتایج حاصل از دو شبکه مشخص شد که شبکههای MLP نسبت به RBF در تخمین تبخیر و تعرق گیاه مرجع از دقت نسبتاً بیشتری برخوردارند و تنها مزیت شبکههای RBF زمان کمتر مورد نیاز برای آموزش است.
similar resources
مقایسه 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...
full textپیشبینی 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...
full textارزیابی و مقایسه شبکههای عصبی GRNN، MLP و RBF در تخمین تبخیر- تعرق گیاه مرجع، خیار و گوجهفرنگی در شرایط گلخانهای
full text
پیش بینی تبخیر-تعرق مرجع با استفاده از شبکه های عصبی مصنوعی rbf ،mlp svm
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 م...
full textارزیابی و مقایسه شبکه های عصبی grnn، mlp و rbf در تخمین تبخیر- تعرق گیاه مرجع، خیار و گوجه فرنگی در شرایط گلخانه ای
0
full textبررسی عملکرد شبکههای عصبی در برآورد تبخیر و تعرق گیاه مرجع (مطالعه موردی: ایستگاه سینوپتیک اهواز)
تبخیر و تعرق یکی از پارامترهای مؤثر بر بیلان آبی حوضههای آبریز و از اجزای اصلی چرخه هیدرولوژیکی محسوب میشود. به علت نیاز به برگ خریدهای اقلیمی مختلف و اثر متقابل این برگ خریدها برهم دیگر تبخیر و تعرق یک پدیده غیرخطی و پیچیده میباشد. یکی از مراحل پیچیده در مدلسازی سیستمهای غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب است. در این پژوهش امکان استفاده از شبکههای MLP,MNN و FF ب...
full textMy Resources
Journal title
volume 19 issue بهار و تابستان
pages 1- 12
publication date 2009-06-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023