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:

36
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

مدل سازی فرآیند تبخیر با استفاده از الگوریتم هیبریدی پرندة کوت و شبکة عصبی مصنوعی

صفحات

 صفحه شروع 279 | صفحه پایان 294

چکیده

 تبخیر یکی از مؤلفه های اساسی در چرخة هیدرولوژی است. با توجه به اهمیت خروج آب از دسترس بشر, برآورد صحیح تبخیر بیشتر مورد توجه پژوهشگران قرار گرفته است. در این تحقیق, به منظور مدل سازی تبخیر, از هیبرید الگوریتم بهینه ساز کوت, با شبکه عصبی مصنوعی استفاده شد. به منظور اجرای مدل, از داده های هواشناسی سه ایستگاه سینوپتیک گرگان, شیراز و کیش با توجه به اقلیم های مختلف استفاده گردید. داده های هواشناسی شامل میانگین دمای هوای کمینه, میانگین دمای هوای بیشینه, سرعت باد, میانگین رطوبت نسبی و ساعات آفتابی در طول دوره آماری 2000 تا 2022 در مقیاس ماهانه, بوده است. برای انتخاب ترکیب داده های ورودی به هر مدل, از چهار سناریو استفاده شد. برای ارزیابی عملکرد نتایج حاصل از دو مدل, شاخص های آماری ضریب همبستگی (R), جذر میانگین مربعات خطا (RMSE) و ضریب نش - ساتکلیف (N-S) مورد استفاده قرار گرفت. به منظور تأیید نتایج از نمودارهای گرافیکی تیلور, پراکنش, هیستوگرام, خطای نسبی و ویولنی نیز استفاده گردید. نتایج مرحله صحت سنجی مربوط به سناریوی چهارم از مدل هیبریدی در گرگان با مقادیر (R=0.99), (RMSE=8.19) و (NS=0.99), در شیراز با (R=0.99), (RMSE=18.43) و (NS=0.98) و در کیش با (R=0.97), (RMSE=19.36) و (NS=0.93) عملکرد بهتری نسبت به سایر مدل ها از خود نشان داد. نتایج تحقیق نشان داد که هیبرید الگوریتم بهینه ساز کوت توانست دقت شبکه عصبی مصنوعی را در تمام سناریوها با هر ترکیبی از داده ها افزایش دهد. همچنین نتایج نشان داد که عملکرد سناریوی چهارم الگوریتم هیبریدی (COOT-ANN4) که شامل هر پنج داده هواشناسی بوده است در هر سه ایستگاه دقیق ترین نتایج را نشان داده 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