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

نویسنده

چکیده مقاله:

  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، برنامه ریزی بیان ژن و ماشین بردار پشتیبان پرداخته شد. در این راستا، ابتدا بر اساس رابطه­ی فائو پنمن-مانتیث، میزان تبخیر-تعرق پتانسیل  ماهانه در چهار ایستگاه سینوپتیک زاهدان، زابل، ایرانشهر و چابهار  با استفاده از داده­های هواشناسی ماهانه برای یک دوره 30 ساله محاسبه گردید که این مقادیر به عنوان مرجع برای مقایسه نتایج مدل‌های مورد مطالعه در تحقیق استفاده گردید. در این تحقیق با توجه به تعداد پارامترهای در نظر گرفته شده برای مدلسازی از 5 الگو استفاده شده است . الگوی 1 شامل ورودی های متوسط دمای هوا، ساعات آفتابی و رطوبت نسبی در یک ماه مشخص، الگوی 2 شامل متوسط دمای هوا، رطوبت نسبی و سرعت باد در همان ماه، الگوی 3 شامل متوسط دمای هوا، رطوبت نسبی و سرعت باد در همان ماه، الگوی 4 شامل متوسط دمای هوا، رطوبت نسبی، سرعت باد و  ساعات آفتابی در همان ماه و الگوی 5 شامل متوسط دمای هوا، رطوبت نسبی، سرعت باد و  ساعات آفتابی در همان ماه و یک ماه قبل میباشد. مقایسه­ی نتایج در مدل­های مختلف بر اساس آماره­های ضریب تبیین و جذر میانگین مربعات خطا صورت گرفت. با توجه به نتایج مشاهده می­شود در مدل نروفازی در ایستگاه زاهدان الگوی 2، در ایستگاه زابل و چابهار الگوی 3 و در ایستگاه ایرانشهر الگوی 5  با مقادیر ضریب تبیین به ترتیب 945/0، 982/0، 26/0 و 443/0 از دقت بیشتری برخوردار هستند. همچنین بررسی نتایج در مدل برنامه ریزی بیان ژن نشان‌دهنده این است که در بخش آزمون الگوی 4 از بقیه الگو­ها با ضریب تبیین 974/0، 9811/0، 982/0 و 815/0 در ایستگاه های زاهدان، زابل، ایرانشهر و چابهار دارای دقت بالاتری می­باشد. در مدل ماشین بردار پشتیبان نیز با توجه به مقادیر ضریب تبیین ایستگاه­های زاهدان، زابل، ایرانشهر و چابهار با مقادیر 997/0، 998/0، 998/0 و 979/0 در بخش آزمون در همه ایستگاه­ها  الگوی 5 از دقت بهتری برخوردار می باشد. مقایسه بین 3 مدل  در این تحقیق نیز نشان داد که در همه ایستگاه­ها  مدل ماشین بردار پشتیبان در مرتبه اول و سپس مدل برنامه ریزی بیان ژن و در آخر مدل نروفازی برای تخمین مقادیر تبخیر-تعرق پتانسیل ماهانه قرار دارند

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

کاربرد سیستم‌های استنتاج عصبی - فازی تطبیقی و برنامه‌ریزی ژنتیک برای برآورد تبخیر تعرق ماهانه در شمال‌غرب ایران

تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی است که تخمین دقیق آن در طراحی و مدیریت سیستم­های آبیاری، شبیه­سازی تولیدات گیاهی و مدیریت منابع آب ضروری است. در این مطالعه به منظور برآورد تبخیر و تعرق گیاه مرجع با استفاده از دو مدل برنامه­ریزی ژنتیک (GP) و سیستم استنتاج عصبی - فازی تطبیقی (ANFIS) در مقیاس زمانی ماهانه، 6 ایستگاه سینوپتیک در منطقه شما­ل­غرب کشور در دوره آماری 38 ساله (2010-1973) ا...

متن کامل

کاربرد سیستم های استنتاج عصبی - فازی تطبیقی و برنامه ریزی ژنتیک برای برآورد تبخیر تعرق ماهانه در شمال غرب ایران

تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی است که تخمین دقیق آن در طراحی و مدیریت سیستم­های آبیاری، شبیه­سازی تولیدات گیاهی و مدیریت منابع آب ضروری است. در این مطالعه به منظور برآورد تبخیر و تعرق گیاه مرجع با استفاده از دو مدل برنامه­ریزی ژنتیک (gp) و سیستم استنتاج عصبی - فازی تطبیقی (anfis) در مقیاس زمانی ماهانه، 6 ایستگاه سینوپتیک در منطقه شما­ل­غرب کشور در دوره آماری 38 ساله (2010-1973) ا...

متن کامل

پیش بینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی

هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (pca) بر عملکرد مدل ماشین بردار پشتیبان (svm) برای پیش بینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل svm، دبی جریان ماهانه پیش بینی شد. سپس با استفاده از pca تعداد متغیرهای ورودی به مدل svm از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویس...

متن کامل

پیش‌بینی مدول برجهندگی خاک‌های ریزدانه با استفاده از شبکه عصبی مصنوعی، ماشین بردار پشتیبان و سیستم استنتاج تطبیقی عصبی-فازی بهینه‌سازی‌شده با الگوریتم ازدحام ذرات

مدول برجهندگی خاک بستر ازجمله پارامترهای بسیار مهم در تحلیل و طراحی روسازی‌ است. این پارامتر هم در روش‌های تجربی (مانند اشتو 1993) و هم در روش‌های مکانیستیک-تجربی (مانند MEPDG) به عنوان اصلی‌ترین پارامتر برای بیان مقاومت و خصوصیات مکانیکی خاک بستر مورداستفاده قرار می‌گیرد. برای تعیین این پارامتر نیاز است تا آزمایش بارگذاری سه محوری دینامیک تحت تنش‌های محدود‌کننده و تنش‌های انحرافی مختلف بر روی ...

متن کامل

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌  صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش‌های رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

متن کامل

ارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی

در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدل‌های حداقل مربعات ماشین­بردار و روش‌های تجربی به‌منظور تخمین میزان تبخیر پرداخته شد.  با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدل‌سازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب ب...

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 7  شماره 3

صفحات  135- 150

تاریخ انتشار 2017-05-22

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