|
|
دانش آب و خاک، جلد ۲۰، شماره ۳، صفحات ۸۷-۱۰۴
|
|
|
| عنوان فارسی |
تخمین بیشینه، متوسط و کمینه دمای هوای شهر تبریز با استفاده از روشهای هوش مصنوعی |
|
| چکیده فارسی مقاله |
تخمین دمای هوای هر منطقه یکی از مسائل مهم در برنامهریزی کشاورزی و نیز مدیریت منابع آب میباشد که بهروشهای مختلفی همچون مدلهای تجربی، نیمه تجربی و هوشمند قابل انجام است. در تحقیق حاضر از سیستم استنتاجعصبی– فازی تطبیقی، شبکههای عصبی مصنوعی و برنامهریزی ژنتیک برای تخمین مقادیر دمای هوا در ایستگاهسینوپتیک شهر تبریز، واقع در شمال غرب ایران استفاده شده است. با توجه به شاخصهای آماری، هر سه مدل با دقتقابل قبولی قادر به تخمین دقیق مقادیر دمای کمینه، متوسط و بیشینه هوا میباشند و با وجود تفاوت جزیی در دقتتخمین و خطای مدلها، سیستم استنتاج عصبی – فازی تطبیقی، شبکههای عصبی مصنوعی و برنامهریزی ژنتیک به-ترتیب در اولویتهای اول تا سوم قرار میگیرند. همچنین راه حلهای صریحی که نشانگر ارتباط بین متغیرهای ورودیو خروجی باشد ، بر مبنای برنامهریزی ژنتیک ارائه گردیده است که ارجحیت برنامهریزی ژنتیک بر دو مدل دیگر را دراین زمینه میرساند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Estimation of Maximum, Mean and Minimum Air Temperature in Tabriz City Using Artificial Intelligent Methods |
|
| چکیده انگلیسی مقاله |
Estimating air temperature is one of the important issues in agricultural planning and in waterresources management which can be accomplished by using different methods such as empirical,semi-empirical and intelligent methods. In the present study, Adaptive Neuro Fuzzy InferenceSystem, Artificial Neural Networks and Genetic Programming were used to estimate airtemperature in the synoptic station of Tabriz City, northwest of Iran. Considering the statisticalindices, all three models were able to estimate accurately minimum, mean and maximum airtemperature. In spite of slight differences in the prediction accuracy and errors by the models,Adaptive Neuro Fuzzy Inference System, Artificial Neural Networks and Genetic Programmingwere in the order of priority. Also explicit solutions that show the relation between input and outputvariables are presented based on Genetic Programming. This adds to the superiority of GeneticProgramming over the other two models. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمدعلی قربانی | mohammad ali
گروه مهندسی آب دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)
جلال شیری |
گروه مهندسی آب دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)
هانیه کاظمی |
گروه مهندسی آب دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)
|
|
| نشانی اینترنتی |
http://water-soil.tabrizu.ac.ir/article_1335_252.html |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|