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:

3,584
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

754
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

3

اطلاعات مقاله نشریه

عنوان

شبیه سازی تبخیر تعرق روزانه گیاه مرجع به روش هوش مصنوعی و روش های تجربی در مقایسه با اندازه گیری های لایسی متری در اقلیم نیمه خشک سرد همدان

صفحات

 صفحه شروع 79 | صفحه پایان 100

چکیده

 در این مقاله از دو روش مبتنی بر هوش مصنوعی شامل شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی - فازی (ANFIS) و دو مدل پنمن مانتیث فائو 56 (PMF56) و بلانی کریدل (BC) برای مدل سازی سیستم غیرخطی تبخیر تعرق گیاه مرجع (ET0) که داده های ورودی - خروجی آن به صورت سری زمانی دو ساله (77-1376) بودند, استفاده شد. ساختار شبکه ANN و ANFIS به گونه ای طراحی شدند تا ضمن مقایسه عملکرد آرایه های متفاوت, بتوانند تاثیر مشخصات و رفتار دینامیکی سیستم را در مدل سازی نشان دهند. نتایج به دست آمده از 4 روش با داده های سال های 1376 و 1377 لایسی متر زهکش دار به ابعاد 2.25×1×1 متر برای گیاه مرجع چمن و داده های هواشناسی مشتمل بر دمای حداقل و حداکثر, رطوبت نسبی حداقل و حداکثر, ساعات آفتابی و سرعت باد, در منطقه نیمه خشک سرد همدان تحت واسنجی قرار گرفتند. نشان داده شد که روش های هوش مصنوعی بهتر از روش های کلاسیک قادر به تخمین رفتار سیستم در همه مراحل عملکرد چه مرحله افزایش تبخیر تعرق و چه مرحله کاهش تبخیر تعرق می باشند. افزون بر مزیت یاد شده, روش های هوش مصنوعی دارای دقت و سرعت بهتری در تخمین ET0 در مقایسه با روش های کلاسیک می باشند. آزمون مدل های هوش مصنوعی با داده های کاملا مستقل از داده های مورد استفاده در آموزش شبکه نشان داد که نتایج مدل سازی برای این نوع فرآیند دینامیکی غیرخطی با ضریب همبستگی برابر 0.95, کاملا قابل اعتماد است. از دیگر نتایج این مطالعه می توان به مناسب تر بودن ANN نسبت به ANFIS و همچنین روش دمایی BC نسبت به مدل ترکیبی PMF56 اشاره داشت. همچنین این پژوهش نشان داد که مدل ANN با آرایش1-3-6 و قانون یادگیری پس انتشار پیش خور در مقایسه با مدل بهینه ANFIS با قانون یادگیری پس انتشار, نتایج ET0 بهتری را در شرایط اقلیمی مورد مطالعه ارایه می نماید.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بیات ورکشی، مریم، زارع ابیانه، حمید، معروفی، صفر، سبزی پرور، علی اکبر، و سلطانی، فواد. (1388). شبیه سازی تبخیر تعرق روزانه گیاه مرجع به روش هوش مصنوعی و روش های تجربی در مقایسه با اندازه گیری های لایسی متری در اقلیم نیمه خشک سرد همدان. پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، 16(4)، 79-100. SID. https://sid.ir/paper/156457/fa

    Vancouver: کپی

    بیات ورکشی مریم، زارع ابیانه حمید، معروفی صفر، سبزی پرور علی اکبر، سلطانی فواد. شبیه سازی تبخیر تعرق روزانه گیاه مرجع به روش هوش مصنوعی و روش های تجربی در مقایسه با اندازه گیری های لایسی متری در اقلیم نیمه خشک سرد همدان. پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)[Internet]. 1388؛16(4):79-100. Available from: https://sid.ir/paper/156457/fa

    IEEE: کپی

    مریم بیات ورکشی، حمید زارع ابیانه، صفر معروفی، علی اکبر سبزی پرور، و فواد سلطانی، “شبیه سازی تبخیر تعرق روزانه گیاه مرجع به روش هوش مصنوعی و روش های تجربی در مقایسه با اندازه گیری های لایسی متری در اقلیم نیمه خشک سرد همدان،” پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، vol. 16، no. 4، pp. 79–100، 1388، [Online]. Available: https://sid.ir/paper/156457/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