مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی(Rs) در ایستگاه سینوپتک زاهدان

نویسندگان

  • محمد مهدی چاری عضو هیئت علمی گروه مهندسی آب دانشگاه زابل،زابل،ایران
چکیده مقاله:

تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق می­باشد. تهیه و ایجاد وسایل انداره­گیری این پارامتر بسیار پرهزینه می­باشد. در این تحقیق از داده­های اندازه­گیری شده تابش (Rs) در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده از آزمون گاما توسعه داده شد. سپس این مدل­های غیرخطی و دو مدل تجربی شامل آنگستروم-پرسکات و گلور مک کلوت برای پیش­بینی تابش مورد ارزیابی قرار گرفت. از پارامترهای دمای ماکزیمم، سرعت متوسط باد و تابش برون زمینی و ساعت آفتابی برای پیش بینی روش­های غیر خطی استفاده شد. نتایج مقایسه مقادیر محاسبه شده با مدل­ها با مقادیر اندازه­گیری شده توسط پیرانومتر نشان می­دهد که شبکه عصبی با روند­نما BFGS دارای 95/1 RMSE= ، 47/1 MAE= و 93/0= R2 است که دارای بهترین عملکرد در مدل ها می­باشد. بعد از آن مدل شبکه عصبی با کاهش شیب توام و مدل رگرسیونی خطی محلی است که مقادیر RMSE، MAE و R2 برای آنها به ترتیب برابر 53/2، 77/1، 88/0 و 89/2، 89/1، 82/0 می­باشد. روش انگستروم و گلور-مک کلوت نیز به ترتیب دارای مقادیر 38/4RMSE= ، 21/3 MAE= ، 33/0= R2 و 64/4RMSE= ، 07/3 MAE= و 50/0= R2می­باشند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش

Measuring the cation exchange capacity (CEC) as one of the most important chemical soil properties is very time consuming and costly. Pedotransfer functions (PTFs) provide an alternative to direct measurement by estimating CEC. The objective of this study was to develop PTFs for predicting CEC of Guilan province soils using artificial neural network (ANN) and multiple-linear regression method a...

متن کامل

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل‌های ‏رگرسیونی، منحنی‌سنجه رسوب در برآورد ‏رسوب معلق روزانه

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

متن کامل

ارزیابی شبکه عصبی مصنوعی و مدل تجربی ایرماک در تخمین تابش خالص خورشیدی روزانه در اقلیم سرد و نیمه‌خشک (مطالعه موردی: همدان)

یکی از عوامل مهم و تأثیرگذار در شار حرارتی خاک و شدت تبخیر- تعرق، تابش خالص خورشیدی می­باشد. تابش خالص تفاوت بین شارهای تابش ورودی و خروجی در طول موج­های بلند و کوتاه می­باشد. اندازه­گیری تابش خالص به‌علت مشکلات واسنجی و هزینه آن دشوار است. بنابراین تابش خالص اغلب از معادلات نیمه­تجربی مبتنی بر مشاهدات تابش طول‌موج کوتاه خورشیدی، فشار بخار و دمای هوا پیش­بینی می­شود. با توجه به اینکه شبکه عصبی ...

متن کامل

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل های ‏رگرسیونی، منحنی سنجه رسوب در برآورد ‏رسوب معلق روزانه

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

متن کامل

مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت

در این تحقیق مقایسه­ای بین شبکه عصبی مصنوعی (ann) و مدل­های رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج شده توسط عصاره­گیرهای مختلف انجام یافت.  برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع آوری و در آن خاک­ها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر ...

متن کامل

منابع 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 9  شماره 34

صفحات  137- 150

تاریخ انتشار 2017-03-19

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