Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

22
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

39
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی ماهانة تبخیر از تشت با استفاده از رویکردهای انفرادی و ترکیبی مدل های داده کاوی در مناطق خشک

صفحات

 صفحه شروع 227 | صفحه پایان 240

چکیده

 برآورد دقیق میزان تبخیر در برنامه ریزی صحیح و بهره برداری بهینه از پروژه های منابع آب و فعالیت های کشاورزی بسیار مهم است. تبخیر تحت تأثیر بسیاری از نیروهای محرکه است که با ویژگی غیرخطی, غیرثابت و تصادفی مشخص می شوند. چنین عواملی به وضوح مانع از راه اندازی مدل های پیش بینی دقیق می شود. از این رو, در این مطالعه به پیش بینی ماهانة تبخیر از تشت با استفاده از رویکردهای انفرادی و ترکیبی مدل های داده کاوی در استان سیستان و بلوچستان پرداخته شده است. داده های هواشناسی شامل متوسط دمای ماهانه, بیشینه دمای ماهانه, کمینه دمای ماهانه, میانگین سرعت باد, متوسط رطوبت نسبی, بیشینه رطوبت نسبی, کمینه رطوبت نسبی و مجموع بارش ماهانه از ایستگاه های سینوپتیک در استان سیستان و بلوچستان به عنوان متغیرهای پیش بینی کننده استفاده شد. در رویکرد عملکرد انفرادی مدل های داده کاوی, از هشت مدل داده کاوی به منظور شبیه سازی و پیش بینی تبخیر از تشت استفاده شد. از رویکرد ترکیبی VEDL به منظور ارائة یک مدل ترکیبی (ترکیب هشت مدل انفرادی داده کاوی اشاره شده) با استفاده از روش واپسگرای رای و رای وزنی مورد استفاده قرار گرفت. به منظور ارزیابی مدل های مورد استفاده در این پژوهش از معیارهای ارزیابی ضریب تعیین (R2), ریشۀ میانگین مربعات خطا (RMSE), میانگین خطای مطلق و نمودار تیلور استفاده شد. در بین مدل های انفرادی مدل شبکة عصبی مصنوعی (ANN) با میزان R2 برابر 89/0 و RMSE برابر 95/45 در مرحلة آموزش و میزان R2 برابر 96/0 و RMSE برابر 18/44 در مرحلة آزمون, بهترین عملکرد را در هر دو مرحلة آموزش و آزمون داشته است و به عنوان بهترین مدل داده کاوی در ایستگاه زاهدان به منظور پیش بینی تبخیر از تشت ماهانه معرفی شد. نتایج اجرای مدل ترکیبی نشان داد که رویکرد ترکیبی مدل ها موجب بهبود نتایج نسبت به بهترین مدل انفرادی شده است. به طوری که مقادیر RMSE از مقدار 95/45 به مقدار 1/33 و مقادیر R2 از مقدار 89/0 به مقدار 94/0 و مقدار MAE از 92/32 به مقدار 9/32 بهبود یافته است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا