پیش بینی تبخیر با استفاده از شبکه عصبی مصنوعی و سیگنا لهای اقلیمی در حوضه دز

Authors

  • رحمتی, عنایت اله گروه جغرافیا، دانشکده علوم انسانی، دانشگاه آزاد اسلامی، نجف آباد،ایران
  • لشنی زند،, مهران عضو هیأت علمی مرکز تحقیقات کشاورزی لرستان ،لرستان،ایران
  • منتظری, مجید گروه آب و هواشناسی، دانشگاه اصفهان،اصفهان،ایران
  • گندمکار, امیر گروه جغرافیا، دانشکده علوم انسانی، دانشگاه آزاد اسلامی، نجف آباد،ایران
Abstract:

تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی مصنوعی با بهره گیری از نرم افزار نروسلوشن استفاده گردیده که آمار مربوط به تبخیر در 4 ایستگاه همدید با حداقل 19 سال آمار ماهانه و داده های مربوط به مهمترین شاخص های آب و هوایی، مورد تجزیه و تحلیل قرار گرفته است. نتایج پژوهش نشان می دهد که مهمترین شاخص های مرتبط با تبخیر در حوضه شامل نینا 3، اس. دبلیومونسون، ام.ای.آی، نینا 1، نینا 4 و نینا 3/4 میباشد. مقایسه داده های مشاهده ای تبخیر و خروجی شبکه عصبی مصنوعی همبستگی بالا بین این داده ها را نشان می دهد، به طوریکه میزان این همبستگی در ایستگاه خرم آباد 79 درصد، دزفول 94 درصد، کوهرنگ 80 درصد و اراک 72 درصد است. با توجه به خروجی شبکه عصبی و داده های مربوط به شاخص های آب و هوایی می توان با دقت بالای 98 درصد به پیش بینی تبخیر درحوضه اقدام نمود

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد تبخیر از تشت تبخیر ایستگاه سد تنظیمی دز با استفاده از روش شبکه عصبی مصنوعی

بیشتر بارندگی مناطق خشک و نیمه خشک بصورت تبخیر به جو باز می گردد پس تخمین تبخیر دربرآورد میزان آب در چرخه آب مهم خواهد بود. تبخیر وابسته به پارامترهای مختلفی است و برای برآورد آن نیاز به متغیرهای اقلیمی متفاوتی است و اثر متقابل این متغیرها بسیار پیچیده است لذا در بررسی آن باید روشهای دقیقی را بکار گرفت. در این تحقیق برای برآورد تبخیر از تشت ایستگاه سد تنظیمی دز از روش شبکه عصبی مصنوعی استفاده ش...

full text

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می‌شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

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 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

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

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 text

پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 30  issue 2

pages  261- 274

publication date 2015-09

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

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023