این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و خاک، جلد ۲۴، شماره ۴، صفحات ۰-۰
عنوان فارسی مقایسه سیستم‌های هوش مصنوعی ANN) و (ANFIS در تخمین میزان تبخیر-تعرق گیاه مرجع در مناطق بسیار خشک ایران
چکیده فارسی مقاله چکیده تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف امکان تخمین تبخیر-تعرق مرجع (ETo) روزانه با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم، به انجام رسید. بدین منظور پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) و شبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق مرجع روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی سه ایستگاه سینوپتیک اصفهان، کرمان و یزد، شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی، و تبخیر-تعرق مرجع روزانه محاسبه شده با روش استاندارد فائو پنمن-مانتیث به عنوان خروجی روش های ANN و ANFIS استفاده شد. ایستگاه های مورد مطالعه بر اساس روش پهنه بندی اقلیمی دین پژوه در اقلیم بسیار خشک دسته بندی شدند. برآوردهای ETo از روش های ANN و ANFIS با مدل های تجربی ماکینک، پرستلی-تیلور، هارگریوز-سامانی، فائو بلانی-کریدل و ریچی مقایسه شد. کارایی روش‌های مورد مقایسه، با استفاده از آماره‌های ریشه میانگین مجذور خطا (RMSE)، خطای انحراف میانگین (MBE) و ضریب تعیین (R2)، مورد ارزیابی قرار گرفت. روش های ANN و ANFIS توانستند با موفقیت تبخیر-تعرق مرجع روزانه را برآورد کنند. مدل ANFIS85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد نسبت به تمامی روش‌های تجربی مورد استفاده، از دقت بالاتری برخوردار است. روش فائو بلانی-کریدل نسبت به دیگر روشهای تجربی دارای دقت بالاتری بود. واژه های کلیدی: ایران، بسیار خشک، تبخیر-تعرق مرجع، سیستم استنتاج تطبیقی عصبی-فازی، مدل های تجربی
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی
چکیده انگلیسی مقاله چکیده تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف امکان تخمین تبخیر-تعرق مرجع (ETo) روزانه با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم، به انجام رسید. بدین منظور پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) و شبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق مرجع روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی سه ایستگاه سینوپتیک اصفهان، کرمان و یزد، شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی، و تبخیر-تعرق مرجع روزانه محاسبه شده با روش استاندارد فائو پنمن-مانتیث به عنوان خروجی روش های ANN و ANFIS استفاده شد. ایستگاه های مورد مطالعه بر اساس روش پهنه بندی اقلیمی دین پژوه در اقلیم بسیار خشک دسته بندی شدند. برآوردهای ETo از روش های ANN و ANFIS با مدل های تجربی ماکینک، پرستلی-تیلور، هارگریوز-سامانی، فائو بلانی-کریدل و ریچی مقایسه شد. کارایی روش‌های مورد مقایسه، با استفاده از آماره‌های ریشه میانگین مجذور خطا (RMSE)، خطای انحراف میانگین (MBE) و ضریب تعیین (R2)، مورد ارزیابی قرار گرفت. روش های ANN و ANFIS توانستند با موفقیت تبخیر-تعرق مرجع روزانه را برآورد کنند. مدل ANFIS85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد نسبت به تمامی روش‌های تجربی مورد استفاده، از دقت بالاتری برخوردار است. روش فائو بلانی-کریدل نسبت به دیگر روشهای تجربی دارای دقت بالاتری بود. واژه های کلیدی: ایران، بسیار خشک، تبخیر-تعرق مرجع، سیستم استنتاج تطبیقی عصبی-فازی، مدل های تجربی
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله کاوه احمدزاده قره گویز | ahmadzadeh ghareh گویز


سید مجید میرلطیفی | seyed majid


کوروش محمدی |


نشانی اینترنتی http://jsw.um.ac.ir/index.php/jsw/article/view/3887
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/548/article-548-334636.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علمی - پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات