واسنجی معادلات تجربی تبخیر و تعرق روزانه و مقایسه با نتایج شبکه های عصبی مصنوعی در شرایط مختلف کمبود داده های هواشناسی

Authors

امیر احمد دهقانی استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

حسین شریفان استادیار گروه مهندسی آب، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

محمد قبائی سوق دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

نوید دهقانی دانشجوی کارشناسی ارشد مهندسی آبخیزداری، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

Abstract:

برآورد صحیح تبخیر و تعرق گیاه مرجع (ETo) در مدیریت منابع آب و برنامه ریزی سیستم های آبیاری اهمیت ویژه ای دارد. روش فائو پنمن - مانتیث (F-P-M) به عنوان روش استاندارد برای محاسبه ETo، به پارامترهای دما، رطوبت نسبی، ساعات آفتابی و سرعت باد نیاز دارد که در اکثر ایستگاه های هواشناسی امکان اندازه گیری همه آن ها وجود ندارد، لذا در چنین شرایطی نیاز به معادلات تجربی با پارامترهای هواشناسی کمتر می باشد. شبکه های عصبی نیز می توانند برای تخمین پدیده هایی مانند ETo که متغیرهای آن دارای روابط داخلی غیرخطی و پیچیده اند، به کار برده شوند. در این تحقیق، با استفاده از داده های روزانه ایستگاه سینوپتیک گرگان هفت مدل شبکه عصبی مصنوعی با ساختارهای مختلف از پارامترهای هواشناسی به عنوان ورودی طراحی گردید. تبخیر و تعرق پتانسیل نیز از پنج معادله تجربی فائو پنمن - مانتیث (F-P-M)، هارگریوز - سامانی (HS)، تورک (T)، پریستلی - تیلور (PT) و مک کینک (MK) و شش معادله تخمینی که در آن ها پارامترهای رطوبت نسبی و یا تابش خورشیدی معادلات تجربی با استفاده از داده های دمایی برآورد گردیدند، محاسبه شد. معادلات تجربی و تخمینی با استفاده از روش استاندارد F-P-M، در دوره آموزش (81-1371) واسنجی و ضرایب آن ها تعیین گردید. سپس براساس پارامترهای موردنیاز جهت تخمین ETo معادلات تجربی، تخمینی واسنجی شده و مدل های شبکه عصبی به سه گروه تقسیم و با استفاده از معیارهای آماری R2، RMSE و MBE در دوره آزمون (سال های 6-1382) در گروه های سه گانه با هم مقایسه شدند. نتایج نشان داد که مدل های شبکه عصبی مصنوعی ایجاد شده در هر سه گروه نسبت به معادلات تجربی از دقت بالاتری برخوردارند: در گروه معادلات ایجاد شده براساس دما و یا رطوبت نسبی مدل ANN 3 و معادله HS با ریشه میانگین مربعات خطا (RMSE) برابر با 423/0 و 551/0 میلی متر بر روز، در گروه معادلات ایجاد شده براساس پارامتر تابش خورشیدی مدل ANN 4 و معادله T با RMSE برابر با 372/0 و 518/0 میلی متر بر روز و در گروه سوم که پارامترهای آن مشابه با روش F-P-M بودند مدل ANN 6 و معادله F-P-MRHest با آماره RMSE برابر با 208/0 و 310/0 میلی متر بر روز از دقت بالاتری برخوردار بودند.

Upgrade to premium to download articles

Already have an account?login

similar resources

کاربرد 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...

full text

کاربرد 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 می رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می رسد، 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 داده های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...

full text

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...

full text

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

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مدیریت آب و آبیاری

volume 1 issue 1

pages 41- 54

publication date 2011-08-23

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

تبخیر و تعرق پتانسیل شبکه های عصبی مصنوعی گرگان معادلات تجربی واسنجی

Hosted on Doprax cloud platform doprax.com