این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۸، شماره ۱، صفحات ۱۴۵-۱۵۲
عنوان فارسی تخمین دمای خاک با استفاده از روش‌های نوین داده‌کاوی
چکیده فارسی مقاله دمای خاک به­عنوان یکی از پارامترهای مهم زیست­محیطی، تنها در ایستگاه­های هواشناسی سینوپتیک و فقط سه نوبت در روز اندازه­گیری می­شود در حالی که دیگر پارامترهای هواشناسی مانند دمای هوا و رطوبت نسبی در بیش­تر ایستگاه­های هواشناسی به­جز ایستگاه­های باران­سنجی ثبت می­شوند. در این پژوهش انجام شده سه روش رگرسیون چندمتغیره خطی، شبکه عصبی مصنوعی و نزدیک­ترین k- همسایگی برای تخمین دمای اعماق مختلف خاک براساس دمای هوا و رطوبت نسبی و داده­های روزانه ایستگاه هواشناسی سینوپتیک گرگان طی دوره 10 ساله آماری 1996-2005 مورد ارزیابی قرار گرفتند. نتایج نشان دادکه با افزایش عمق، میزان تأثیر پارامترهای هواشناسی و دقت پیش­بینی دمای خاک کاهش می­یابد. بالا بودن دقت مدل­ها در لایه­های سطحی خاک به­واسطه تأثیرپذیری بیش­تر دمای خاک از عوامل جوی و تأخیر زمانی کم­تر جهت انتقال حرارت از سطح به این لایه­ها می­باشد. مقایسه مقادیر مشاهده شده و مقادیر پیش­بینی شده از خروجی مدل­های مختلف نشان می­دهد که بهترین عملکرد از اجرای الگوریتم نزدیک­ترین k- همسایگی به­دست می­آید که نسبت به سایر مدل­ها ضریب همبستگی بالاتر و میزان خطای کم­تری دارد. پس از آن مدل­های شبکه عصبی و رگرسیون به­ترتیب رتبه­های دوم و سوم را خواهند داشت
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimating Soil Temperature Using Modern Methods of Data Analysis
چکیده انگلیسی مقاله Soil temperature as one of the important environmental parameters, is measured only in synoptic weather stations and three times per day, while the other meteorological parameters such as air temperature and relative humidity are measured most in meteorological stations except rain guage stations. In this research which based on three methods of multivariate linear regression, artificial neural network and k-nearest neighbor were evaluated to estimate the soil temperature at different depth based on air temperature and relative humidity using daily data from synoptic meteorology stations of Gorgan from 1996 to 2005. The results showed that with increasing soil depth, the effect of meteorological parameters and estimation accuracy will decrease.more accuracy of shallow depth soil temperature is due to the greater influence of climatic factors on soil temperature and less time delay of heat transfer from the surface to the deeper depths. By comparing the observed and predicted soil temperature values from the various models, it will be concluded that the best performance is obtained from the k-nearest neighbor algorithm which has higher R2 and less RMSE. Artificial neural network and regression models, are in second and third place to predict soil temperature.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله لیدا اسدی |
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

ابوطالب هزارجریبی |
دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

خلیل قربانی |
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

مهدی ذاکری‌نیا |
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

زهرا آقاشریعتمداری |
استادیار گروه مهندسی آب، دانشگاه تهران، تهران، ایران

نشانی اینترنتی http://idj.iaid.ir/article_54620_483c1be4d470549aa742dd912370aa1c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/552/article-552-793487.pdf
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