مرکز اطلاعات علمی 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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,348
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

593
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

5

اطلاعات مقاله نشریه

عنوان

ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع

صفحات

 صفحه شروع 297 | صفحه پایان 305

چکیده

 مطالعه حاضر به منظور استفاده از حداقل پارامترهای هواشناسی در پیش بینی تبخیر تعرق گیاه مرجع در منطقه همدان برای سال های 1376 و 1377 صورت گرفته است. بدین منظور, با استفاده از آزمون پیرسون, شش پارامتر هواشناسی مورد نیاز در روش پنمن مانتیث فایو-56 که شامل دماهای حداکثر و حداقل, مقادیر رطوبت نسبی حداقل و حداکثر, سرعت باد در ارتفاع دو متری و ساعت آفتابی روزانه می شوند, به صورت چهار سناریوی اطلاعاتی با یکدیگر ترکیب و به کاربرده شدند (که تحت عنوان شماره 1, 2, 3 و 4 نام گذاری شدند). با اعمال این سناریوها بر مدل های هوشمند شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) در محیط نرم افزاری MATLAB, تبخیر تعرق گیاه مرجع منطقه تخمین گردید. به منظور ارزیابی نتایج هر یک از سناریوهای مورد استفاده, از مقادیر واقعی تبخیر تعرق مرجع (لایسیمتری) استفاده شد. نتایج نشان داد که افزایش تعداد اطلاعات در لایه ورودی لزوما منجر به بهبود نتایج مدل های هوشمند نمی شود. سناریوی اطلاعاتی شماره 2 که شامل سه پارامتر دمای حداقل و حداکثر هوا و ساعت آفتابی روزانه بود, در هر دو مدل ANN و ANFIS برآوردهای معقول و یکسانی در بر داشت. در این سناریو مقادیر حداقل معیار مجذور میانگین مربعات خطا (RMSE), میانگین مطلق خطا (MAE) و حداکثر ضریب تعیین (R2) در مرحله آزمایش به ترتیب معادل 09/0 و 07/0 میلی متر بر روز و 90/0 بودند. در مجموع بین نتایج شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی- فازی از نظر آماره های خطاسنجی اختلاف قابل ملاحظه ای مشاهده نشد. ضمن آن که این دو نسبت به نیاز اطلاعاتی در لایه ورودی خود دارای حساسیت یکسان بودند. مدل شبکه عصبی پس از 26 تکرار محاسباتی در مقایسه با سیستم استنتاج تطبیقی عصبی- فازی که با 40 تکرار محاسباتی بود, سریع تر به جواب مناسب دست یافت. همچنین برآوردهای شبکه های عصبی با روش استاندارد پنمن مانتیث نیز مقایسه گردید, که نشان دهنده دقت و توانمندی قابل ملاحظه مدل های هوشمند (RMSE معادل 09/0 میلی متر بر روز) نسبت به روش استاندارد (RMSE معادل 34/0 میلی متر بر روز), برای تخمین تبخیر تعرق گیاه مرجع می باشد.

استنادها

ارجاعات

استناددهی

APA: کپی

زارع ابیانه، حمید، بیات ورکشی، مریم، معروفی، صفر، و امیری چایجان، رضا. (1389). ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع. آب و خاک (علوم و صنایع کشاورزی)، 24(2)، 297-305. SID. https://sid.ir/paper/141960/fa

Vancouver: کپی

زارع ابیانه حمید، بیات ورکشی مریم، معروفی صفر، امیری چایجان رضا. ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1389؛24(2):297-305. Available from: https://sid.ir/paper/141960/fa

IEEE: کپی

حمید زارع ابیانه، مریم بیات ورکشی، صفر معروفی، و رضا امیری چایجان، “ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع،” آب و خاک (علوم و صنایع کشاورزی)، vol. 24، no. 2، pp. 297–305، 1389، [Online]. Available: https://sid.ir/paper/141960/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button