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:

1,083
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

235
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی و آنالیز حساسیت تبخیر ماهانه از مخزن سد سیاه بیشه با استفاده از شبکه های عصبی مصنوعی در ترکیب با الگوریتم ژنتیک

صفحات

 صفحه شروع 59 | صفحه پایان 74

چکیده

 فرآیند تبخیر, یکی از مولفه های اصلی چرخه آب در طبیعت است که نقش اساسی در مطالعات کشاورزی, هیدرولوژی و هواشناسی, بهره برداری از مخازن, طراحی سیستم های آبیاری و زهکشی, زمان بندی آبیاری و مدیریت منابع آب ایفا می کند. روش های زیادی از جمله روش های بیلان آب, تبخیر از تشت و روش های تجربی برای تخمین تبخیر از سطح آزاد, ارائه شده است که هر کدام از این روش ها, با محدودیت و خطای اندازه گیری توام می باشد. امروزه تکنیک جدید استفاده از شبکه های عصبی مصنوعی که مبتنی بر هوش مصنوعی می باشد کاربرد گسترده ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چند لایه (MLP), شبکه تابع پایه شعاعی (RBF) و شبکه پیش رونده (FF), میزان تبخیر ماهانه از مخزن سد سیاه بیشه تا 3 ماه آینده پیش بینی شد. برای تعیین متغیرهای ورودی موثر در مدل های شبکه عصبی مصنوعی و تعداد نرون ها در لایه میانی هر یک از مدل ها, از قابلیت بهینه سازی الگوریتم ژنتیک استفاده شد. نتایج نشان می دهد که ضریب همبستگی بین مقادیر اندازه گیری شده و محاسبه شده با مدل هایRBF ,MLP  و FF در برآورد و پیش بینی تبخیر ماهانه از مخزن سد سیاه بیشه به ترتیب برابر با 0.92, 0.90 و 0.88 می باشد. بنابراین مدل RBF از دقت بیشتری نسبت به دو مدل MLP و FF در برآورد و پیش بینی میزان تبخیر ماهانه از مخزن سد, برخوردار می باشد. نتایج حاصل از آنالیز حساسیت نشان می دهد که تبخیر ماهانه از مخزن سد تا 3 ماه آینده به ترتیب نسبت به زمان وقوع تبخیر بر حسب ماه, فشار هوا در سطح زمین در 1, 3 و 2 ماه قبل, سرعت باد در سطح 1000 میلی بار در 3 و 2 ماه قبل و دمای هوا در سطح 300 میلی بار در زمان حال بیشترین حساسیت را دارد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    محمدیان شوئیلی، آزاده، فتحیان، حسین، و اسدی لور، مهدی. (1390). پیش بینی و آنالیز حساسیت تبخیر ماهانه از مخزن سد سیاه بیشه با استفاده از شبکه های عصبی مصنوعی در ترکیب با الگوریتم ژنتیک. علوم و مهندسی آب، 1(1)، 59-74. SID. https://sid.ir/paper/235544/fa

    Vancouver: کپی

    محمدیان شوئیلی آزاده، فتحیان حسین، اسدی لور مهدی. پیش بینی و آنالیز حساسیت تبخیر ماهانه از مخزن سد سیاه بیشه با استفاده از شبکه های عصبی مصنوعی در ترکیب با الگوریتم ژنتیک. علوم و مهندسی آب[Internet]. 1390؛1(1):59-74. Available from: https://sid.ir/paper/235544/fa

    IEEE: کپی

    آزاده محمدیان شوئیلی، حسین فتحیان، و مهدی اسدی لور، “پیش بینی و آنالیز حساسیت تبخیر ماهانه از مخزن سد سیاه بیشه با استفاده از شبکه های عصبی مصنوعی در ترکیب با الگوریتم ژنتیک،” علوم و مهندسی آب، vol. 1، no. 1، pp. 59–74، 1390، [Online]. Available: https://sid.ir/paper/235544/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