تخمین هوشمند تبخیر و تعرق مرجع با فراوانی های متفاوت با استفاده از شبکه های عصبی مصنوعی در شهرستان سنندج

پایان نامه
چکیده

محدودیت منابع آبی و وقوع خشکسالی های اخیر از مهمترین عواملی است که توسعه ی کشاورزی را در مناطق خشک و نیمه خشک تحت تأثیر قرار داده است، بنابراین مدیریت منابع آب در این مناطق نقش کلیدی را در توسعه ی پایدار کشاورزی بر عهده دارد. استفاده بهینه از منابع آبی مستلزم تخمین دقیق مقدار تبخیر و تعرق مرجع و به تبع آن محاسبه ی آب مصرفی محصولات زراعی و باغی می باشد. معمولاً در طراحی سیستم های آبیاری، از میانگین مقادیر تبخیر و تعرق مرجع برای یک دوره چند ساله ی داده های هواشناسی استفاده می شود. در این حالت احتمال وقوع تبخیر و تعرق مرجع استفاده شده 50 درصد می باشد. بنابراین سیستم آبیاری که بر این اساس طراحی می شود، در یک دوره ی ده ساله ی آبیاری تنها می تواند نیاز آبی گیاهان را در 5 سال تأمین نماید و در 5 سال دیگر نیاز آبی گیاه ممکن است بیش از توانایی سیستم برای تأمین آب باشد. در این راستا با توجه به پتانسیل بالای استان کردستان و شهرستان سنندج در تولید محصولات زراعی و باغی، برآورد دقیق تبخیر و تعرق مرجع، در سطوح احتمالاتی مختلف، با استفاده از روش های دقیق نظیر شبکه های عصبی مصنوعی ضرورتی اجتناب ناپذیر در طراحی دقیق تر سیستم های آبیاری و استفاده بهینه از منابع آبی به شمار می آید. در این تحقیق از داده های 30 ساله ی هواشناسی ایستگاه سینوپتیک سنندج برای محاسبه تبخیروتعرق با سطوح احتمالاتی مختلف استفاده گردید. ابتدا داده های هواشناسی ایستگاه فرودگاهی و غیرمرجع سنندج اصلاح گردید. سپس، با استفاده از داده های لایسیمتری، روش های مختلف برآورد تبخیر و تعرق مرجع مورد مقایسه قرار گرفت و روش های منتخب پنمن-مانتیث، هارگریوز-سامانی و تابش فائو نسبت به داده های مشاهداتی واسنجی شد. در ادامه امکان استفاده از شبکه های عصبی مصنوعی در برآورد تبخیر و تعرق مرجع مورد ارزیابی قرار گرفت و نتایج حاکی از برتری این روش نسبت به سایر روش های دیگر بود. در ادامه ی تحقیق، مقادیر تبخیر و تعرق مرجع روزانه در سطوح احتمال وقوع متفاوت، محاسبه و منحنی های مربوط به آن استخراج گردید. همچنین مقادیر تبخیر و تعرق مرجع میانگین روزانه با سطوح احتمالاتی مختلف، برای دوره های یک تا 30 روزه ی حداکثر نیاز آبی نیز محاسبه و منحنی های مربوط به آن استخراج شد. به منظور سهولت در استفاده از این منحنی ها برنامه های کامپیوتری متناظر آن ها به زبان ویژوال بیسیک نوشته شد. در ادامه امکان استفاده از شبکه های عصبی مصنوعی در برآورد تبخیر و تعرق مرجع با احتمال وقوع مختلف نیز مورد بررسی قرار گرفت. نتایج حاصل از تحقیق نشان داد که اگر از سطح احتمال 75 درصد به جای 50 درصد برای محاسبه تبخیروتعرق مرجع استفاده شود، میزان تبخیر و تعرق مرجع محاسبه شده از روش های پنمن-مانتیث، هارگریوز و تابش فائو، به ترتیب 15، 8.5 و 12.4 درصد افزایش می یابد و در ازای این افزایش نیاز آبی، درصد ریسک استفاده از سیستم آبیاری به میزان 25 درصد کاهش می یابد. همچنین، نتایج نشان داد که شبکه های عصبی مصنوعی توانایی بسیار بالایی در تخمین میزان تبخیر و تعرق مرجع با سطوح احتمال مختلف در سالهای آتی دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تخمین تبخیر- تعرق گیاه مرجع درون گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی

امروزه شبکه‌های عصبی مصنوعی کاربرد بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده‌اند. در این پژوهش جهت تخمین تبخیر- تعرق مرجع داخل گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی، از داده‌های هواشناسی اندازه‌گیری شده داخل گل‌خانه و همچنین داده‌های اندازه‌گیری شده خارج گل‌خانه استفاده گردید. در این پژوهش از شبکه‌های عصبی مصنوعی با ساختار ...

متن کامل

تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

متن کامل

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...

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 @}


نوع سند: پایان نامه

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

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023