برآورد تبخیر و تعرق مرجع با استفاده از سیستم استنتاج عصبی-فازی (مطالعه موردی شهرستان سنندج)

thesis
abstract

تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی- فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر و تعرق مرجع (eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه سال های 1389و1390 مربوط به ایستگاه هواشناسی سنندج استفاده شد. داده های مورد استفاده در این تحقیق، شامل دمای ماکزیمم، دمای مینیمم، رطوبت نسبی حداکثر، رطوبت نسبی حداقل، سرعت باد و ساعت آفتابی بوده و تبخیر و تعرق محاسبه شده به روش فائو پنمن مانتیث به عنوان خروجی استفاده شد. همچنین برآوردهای eto از روش های (anfis) و (ann) با مدل های تجربی ماکینک، پریستلی تیلور، فائو بلانی کریدل، هارگریوز سامانی و ریچی مقایسه شد. برای مقایسه کارائی روش-های مختلف از آماره های ریشه میانگین مجذور خطا(rmse)، ضریب کارائی (ce) و ضریب همبستگی (r)، میانگین قدر مطلق خطا (mae) استفاده گردید. نتایج نشان داد که روش های مبتنی بر شبکه های عصبی و سیستم استنتاج عصبی- فازی می توانند مقدار تبخیر و تعرق مرجع روزانه را با دقت بالایی برآورد نمایند. نتایج آنالیز حساسیت نشان داد که دمای ماکزیمم (tmax) به عنوان موثرترین پارامتر در برآورد تبخیر و تعرق مرجع می باشد. نتایج همچنین نشان داد که ترکیب منطق فازی با شبکه عصبی مصنوعی سبب بهبود نتایج شبکه عصبی مصنوعی نمی گردد و نتایج شبکه عصبی مصنوعی در برآورد تبخیر و تعرق با اختلاف ناچیز بهتر از روش عصبی-فازی بود. همچنین در کلیه ساختارهای مدل هوشمند عصبی، قانون آموزش لونبرگ -مارکوارت با تابع تانژانت منجر به نتایج دقیق تری نسبت به سایر توابع و قوانین آموزشی شد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدل سازی تبخیر-تعرق مرجع روزانه با استفاده از سیستم استنتاج عصبی-فازی (anfis)

تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق مرجع(eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی نه ایستگاه واقع در سه اقلیم متفاوت (مرطوب، خشک و نیمه خشک و بسیار خشک) شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی و تبخیر-تعرق مرجع ...

15 صفحه اول

پیش بینی تبخیر- تعرق پتانسیل ماهانه با استفاده از مدل‌های ماشین بردار پشتیبان، برنامه‌ریزی ژنتیک و سیستم استنتاج عصبی – فازی

  چکیده علی­رغم اهمیت تبخیر-تعرق در برنامه­ریزی و مدیریت منابع آبی، وابستگی آن به مولفه­های اقلیمی از یک­سو و تاثیرپذیری این مولفه­ها از یکدیگر از سویی دیگر تخمین تبخیر-تعرق را دشوار ساخته است. به همین منظور، در این پژوهش، به بررسی امکان پیش­بینی این مولفه­ی مهم در استان سیستان و بلوچستان با استفاده از مدل‌های فراابتکاری از قبیل سیستم استنتاج عصبی – فازی، برن...

full text

پیش‌بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی

تبخیر-تعرقمرجع یکی ازمهم‌ترین و مؤثرترین مؤلفه‌ها در بهینه‌سازی مصرف آب کشاورزی و مدیریتمنابع آب می‌باشد. در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش‌بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش‌های ANFIS و موجک- ANFIS در پیش‌بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه‌های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم‌های...

full text

مقایسه ضرایب تشت برآورد شده با استفاده از روش‌های تجربی، شبکه عصبی مصنوعی و عصبی- فازی در برآورد تبخیر و تعرق گیاه مرجع

در این تحقیق کارایی روش‌های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک مورد ارزیابی قرار گرفت. بدین‌منظور از آمار 10 ساله مربوط به اندازه‌گیری روزانه تبخیر از تشت استفاده شد. با توجه به ک...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023