ارزیابی مدلهای سری زمانی خطی و غیر خطی بیلینییر در پیش بینی تبخیر- تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه
نویسندگان
چکیده مقاله:
پیشبینی تبخیر-تعرق گیاه مرجع یکیاز مهمترین عناصردر بهینه سازی مصرف آب کشاورزی است. یکیازروشهایپیشبینی مقادیرتبخیر-تعرق گیاه مرجعاستفاده از مدلهای استوکاستیکسری زمانیاست. دراینپژوهشمدلهای خطی AR(p) و ARMA(p,q) به همراه مدل غیر خطی بیلینییر درپیشبینی مقادیر ماهانهتبخیر-تعرق گیاه مرجع درایستگاهسینوپتیک ارومیهمورد مقایسه قرار گرفت. برای انجام پژوهش، مقادیر ماهانه تبخیر-تعرق گیاه مرجع از سال 1350 تا 1389 محاسبه شده و دادههای یاد شده در طول سالهای 1350-1384 و 1385-1389 به ترتیب برای واسنجی و صحتسنجی مدلها بکار گرفته شد. در مرحله بعد، مدل خطی مناسبانتخاب شد و سپس نتایج این مدل و نتایج مدل غیر خطی بیلینییر با مقادیر استاندارد فائو-پنمن-مونتیث مورد مقایسه قرار گرفت. نتایجنشاندادمدلسریزمانی AR(11)نتایجبهتریدر مقایسه با مدلهای خطی دیگر داشت. مقایسه نتایج مدلAR(11) و نتایج مدل BL(11,0,1,1)نسبت به مقادیر ماهانه فائو-پنمن-مونتیث نیز نشان داد که ریشه میانگین مربعات خطا (RMSE) و درصد خطای نسبی (VE) در مدل AR(11)به ترتیب 85/1 میلیمتر و 8/3 درصد و در مدل BL(11,0,1,1) نیز به ترتیب 76/1 میلیمتر و 6/3 درصد است. بنابراین، مدل غیر خطی بیلینییر توانایی بیشتری در مدلسازی و پیشبینی مقادیر ماهانه تبخیر-تعرق گیاه مرجع در مقایسه با مدل خطی داشت. در مرحله بعد مقادیر ماهانه تبخیر-تعرق گیاه مرجع برای پنج سال آینده با استفاده از مدل غیرخطی بیلینییر پیشبینی گردید.
منابع مشابه
ارزیابی مدل های سری زمانی خطی و غیر خطی بی لینییر در پیش بینی تبخیر- تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه
پیشبینی تبخیر-تعرق گیاه مرجع یکیاز مهمترین عناصردر بهینه سازی مصرف آب کشاورزی است. یکیازروشهایپیشبینی مقادیرتبخیر-تعرق گیاه مرجعاستفاده از مدلهای استوکاستیکسری زمانیاست. دراینپژوهشمدلهای خطی ar(p) و arma(p,q) به همراه مدل غیر خطی بیلینییر درپیشبینی مقادیر ماهانهتبخیر-تعرق گیاه مرجع درایستگاهسینوپتیک ارومیهمورد مقایسه قرار گرفت. برای انجام پژوهش، مقادیر ماهانه تبخیر-تعرق گیاه مرجع از سال ...
متن کاملمقایسه کارآیی مدلهای سری زمانی خطی و غیرخطی در شبیهسازی و پیشبینی تبخیر- تعرق مرجع
برآورد دقیق میزان تبخیر- تعرق مرجع (ET0) نقش بسیار مهمی در مدیریت منابع آب و بهینهسازی مصرف آب کشاورزی دارد. یکی از روشهای برآورد ET0 استفاده از مدلهای سری زمانی است. در این تحقیق، دقت و کارائی مدل خطی آرما (ARMA) و غیرخطی بیلینییر (BL) در شبیهسازی و پیشبینی ET0 در سه ایستگاه سینوپتیک واقع در شمال غرب کشور مورد مقایسه قرار گرفت. بدینمنظور، مقادیر ماهانه ET0از سال 1990 تا 2014 با استفاده ...
متن کاملبررسی 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...
متن کاملبرآورد تبخیر و تعرق گیاه مرجع (ET0) در ایستگاه های سینوپتیک استان تهران
تبخیر و تعرق یکی از پارامترهای مهم در مباحث کشاورزی و هیدرولوژی است. از این رو برآورد دقیق آن می تواند سبب کاهش اتلاف منابع آب و مدیریت صحیح در برنامه ریزی گردد. در این پژوهش به منظور برآورد مقادیر تبخیر و تعرق گیاه مرجع (ET0) در ایستگاههای سینوپتیک منتخب استان تهران، از روش استاندارد فائو پنمن مانتیث استفاده شد. بررسی ها نشان داد در صورت وجود دمای بالا، سرعت باد می تواند به عنوان م...
متن کاملارایه تکنیک پیش بینی غیر- نظارت شونده در برآورد تبخیر-تعرق گیاه مرجع
تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روشهای مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روشها دارای محدودیتهایی هستند. به عنوان مثال، از محدودیتهای روشهای اندازهگیری مستقیم میتوان به عدم دقت وسایل اندازهگیری و مسائل مربوط به مقیاس اشاره کرد، در حالی...
متن کاملمقایسه روشهای سری زمانی و شبکه عصبی مصنوعی در پیشبینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)
تبخیر-تعرق یکیازمؤلفههایمهمدرمصرفمنابعآب در بخش کشاورزیمیباشد. لذا ارائه روشی که پیشبینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، میتواند در اخذتصمیم بهینهبرایبرنامهریزی منابع آب کمککند. دراینتحقیق،روشهای سری زمانی و شبکههای عصبی مصنوعی درپیشبینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدلهای A...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 28.1 شماره 1
صفحات 85- 96
تاریخ انتشار 2015-04-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023