کاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی

Authors

  • نگار رسولی مجد دانشجوی دکتری مهندسی منابع آب، دانشکده مهندسی آب، دانشگاه ارومیه
Abstract:

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– پنمن– مونتیث محاسبه و مبنای کار قرار گرفت. سپس تبخیر– تعرق با استفاده از سناریوهای مختلف با پارامترهای ورودی متفاوت، با دو مدل MLP و RBF شبکه عصبی محاسبه شد. نتایج نشان دهنده برآورد تبخیر – تعرق روزانه با دقت قابل قبول (985/0RMSE= و 963/0R2= برای شبکه MLP و 537/0RMSE= و 963/0 R2=برای شبکه RBF) با استفاده از تنها سه پارامتر دمای متوسط، ساعت آفتابی و سرعت باد می‌باشند. همچنین با مشاهده و بررسی تمام سناریو‌ها می‌توان گفت که معادله تبخیر - تعرق نسبت به پارامترهای ساعت آفتابی، سرعت باد و دما وابستگی بیشتری دارد. گرچه هر دو شبکه MLPو RBF با دقت بسیار بالایی مقدار تبخیر – تعرق را محاسبه می کنند اما در کل دقت شبکه MLP نسبت به شبکه RBF بیشتر است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

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

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

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. ...

full text

تخمین تبخیر-تعرق گیاه مرجع از طریق پیش بینی های هواشناسی با کمک شبکه های عصبی مصنوعی (مطالعه موردی: زنجان)

تولید حد مطلوب محصول کشت شده تحت شرایط حاکم بر مزرعه از اهمیت بسیار زیادی برخوردار می باشد. یکی از پارامترهای اصلی برای تولید حداکثر محصول، تأمین آب مورد نیاز گیاه از زمان کشت تا زمان برداشت می باشد. موقع انجام آبیاری علاوه بر نیاز آبی خالص گیاه، مقداری آب اضافه به زمین داده می شود تا جبران تلفات آبیاری (رواناب سطحی و نفوذ عمقی) و نیاز آبشویی جهت کنترل میزان نمک در عمق توسعه ریشه ها گردد. بخشی ...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 2

pages  122- 135

publication date 2016-07-22

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