SVMیک تکنیک مدولاسیون شناخته شده برای مبدل های قدرت با توان متوسط و ولتاژ بالا می باشد. باید توجه داشت که تمام فرآیند مدولاسیون برای هدف پیاده سازی می تواند زمان بر باشد که علت آن یافتن موقعیت بردار مرجع به علاوه اجرای محاسبات ضروری برای مدولاسیون می باشد. علاوه بر آن با افزایش تعداد سطوح در مبدل های چند سطحی، زمان این محاسبات برای SVM های متداول افزایش می یابد. این مقاله یک تکنیک مدولاسیون را که بر روی دو ولتاژ خط مستقل، متمرکز می شود، معرفی می کند به نحوی که به طور مستقیم از ولتاژهای خط در فرآیند یافتن بردارهای سوئیچینگ و نسبت وظیفه های آنها استفاده می کند. مدولاسیون پیشنهادی نه تنها سریع و ساده می باشد بلکه به فرآیند جایابی بردار مرجع که برای مدولاسیون SVM متداول دارای نقش حیاتی است، احتیاجی ندارد. با ارائه دو مثال صحت روش ارائه شده با استفاده از نرم افزار MATLAB مورد بررسی قرار می گیرد.

در مسیریابی پهپاد، به حداقل رساندن همزمان مسافت طی شده و تهدید تشخیص رادار، دو معیار در بسیاری از کاربردهای نظامی است. استفاده از الگوریتم های بهینه سازی چندین هدفه تکاملی، در مسایلی که دارای اهداف متضاد هستند، می تواند نقش موثری در افزایش راندمان این مسایل داشته باشد. در این مقاله، مسیله برنامه ریزی مسیر پهپاد چند منظوره بررسی می شود که یک الگوریتم بهینه سازی چندین هدفه برای حل یک مسیله برنامه ریزی مسیر پهپاد با اهداف متعدد، ارایه می شود. روش حل پیشنهادی، الگوریتم چندین هدفه تکاملی بردار مرجع هدایت شده می باشد. در این مقاله، از یک سکو در بستر نرم افزار متلب، به نام پلت ای ام ا، استفاده شده است. روش پیشنهادی با سایر الگوریتم های تکاملی چند هدفه و چندین هدفه تکاملی که اخیر ارایه شده اند، مورد مقایسه و ارزیابی قرار گرفته و نتایج بدست آمده با معیار ارزیابی فرا حجم که تمام دسته بندی های لازم (همگرایی، تنوع و قدرتمندی) را پوشش می دهد، بیان شده است. مساله، بر روی دو گروه از مسایل بهینه سازی، تست و پیاده سازی شده اند. با مقایسه نتایج ارایه شده، مشاهده می شود که الگوریتم چندین هدفه تکاملی بردار مرجع هدایت شده، عملکرد بهتری از نظر کمی و پیچیدگی محاسباتی نسبت به سایر الگوریتم های مقایسه شده دارد و نرخ همگرایی، تنوع و قدرتمندی این الگوریتم نسبت به سایر الگوریتم-های مقایسه شده بالاتر است.

یکی از مهمترین اجزای چرخه هیدرولوژیکی، تبخیر-تعرق می باشد و برآورد آن برای بسیاری از مطالعات نظیر مدیریت منابع آب، شبیه سازی عملکرد محصول و برنامه ریزی آبیاری حائز اهمیت است. هدف از این پژوهش، برآورد تبخیر-تعرق مرجع با استفاده از روش داده های پانلی است. روش داده های پانلی یک تحلیل چند متغیره بوده که در آن تحلیل رگرسیون در هر دو بعد مکانی و زمانی صورت می گیرد. این مطالعه با استفاده از داده های هواشناسی 9 ایستگاه سینوپتیک خراسان رضوی در بازه زمانی 2010-1971 انجام شد. داده های موجود به صورت کاملاً تصادفی به دو مجموعه تقسیم شدند، 75 درصد برای توسعه مدل و 25 درصد باقیمانده برای ارزیابی مدل اختصاص یافت. برای توسعه مدل میانگین ماهیانه دمای هوا و میانگین ماهانه سرعت باد به عنوان متغیرهای مستقل و مجموع ماهانه تبخیر-تعرق مرجع به عنوان متغیر مستقل در نظر گرفته شد. نتایج نشان داد که تصریح اثرهای ثابت دوطرفه از سایر تصریح ها مناسبتر است. شاخص های آماری (جذر میانگین مربعات خطای 85/9 میلی متر در ماه، میانگین قدرمطلق خطا 38/7 میلی متر در ماه و ضریب تعیین 99/0) کارآمد بودن این مدل را آشکار ساخت. همچین، در مقایسه مدل داده های پانلی با مدل رگرسیون حداقل مربعات معمولی و روش هارگریوز-سامانی، مدل فوق دارای توانایی بالاتری در برآورد تبخیر-تعرق مرجع می باشد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

تبخیر-تعرق یکی از مهم ترین عوامل محدود کننده توسعه کشاورزی در مناطق خشک و نیمه خشک می باشد. به دلیل محدودیت های اقتصادی و سایر محدودیت ها همواره جمع آوری داده های تبخیر-تعرق چالش های فراوانی را برای محققان در پی داشته است. لذا هدف از مطالعه حاضر پیش بینی تبخیر-تعرق مرجع روزانه در دو ایستگاه آستارا و اصفهان با استفاده از مدل های رگرسیون فرآیند گاوسی، رگرسیون بردار پشتیبان، مدل درختی M5P و رگرسیون خطی M5Rules است. برای این منظور داده های هواشناسی روزانه ایستگاه ها شامل دما، رطوبت نسبی، سرعت باد و ساعات آفتابی طی دوره 2021-1990 به عنوان ورودی مدل ها به کار برده شد. بررسی پارامترهای ورودی نشان داد که رطوبت نسبی بیش ترین تاثیر را بر دقت پیش بینی مدل ها داشته است. همچنین جهت ارزیابی کارایی مدل ها از معیارهای ارزیابی مختلفی استفاده شد. ارزیابی مدل های به کار رفته در ایستگاه آستارا نشان داد که سناریو پنجم با کاربرد پارامتر های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین مدل های M5P و M5Rules با داشتن مقدار خطای (mm day-1) 42/1، بالاترین دقت را نسبت به سایر مدل ها داشته-اند. در ایستگاه اصفهان نیز سناریو هشتم مدل M5P و M5Rules با کاربرد پارامتر های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین ، رطوبت نسبی حداقل، ساعات آفتابی و سرعت باد با داشتن مقدار خطای (mm day-1) 86/1، بهترین عملکرد را نسبت به سایر مدل ها داشتند. لذا مدل های M5P و M5Rules با موفقیت تبخیر-تعرق مرجع را پیش بینی کرده و روابط ریاضی ساده مستخرج از آنها برای استفاده در تعیین نیاز آبی گیاهان توصیه میگردد.

تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روش های مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روش ها دارای محدودیت هایی هستند. به عنوان مثال، از محدودیت های روش های اندازه گیری مستقیم می توان به عدم دقت وسایل اندازه گیری و مسائل مربوط به مقیاس اشاره کرد، در حالیکه روش های غیر مستقیم نظیر معادله پنمن-مانتیث، به پارامترهای اقلیمی روزانه زیادی نیاز دارند. در این تحقیق سعی گردید از روش نگاشت خود-سامان به عنوان یک روش شبکه عصبی مصنوعی غیر نظارت شونده در پیش بینی تبخیر-تعرق با حداقل پارامترهای هواشناسی به عنوان ورودی، استفاده گردد. بر اساس شاخص های ارزیابی خوشه بندی فازی، مقادیر ETo در مشهد به دو خوشه با تبخیر-تعرق کم و زیاد تقسیم شد که با اقلیم منطقه مطابقت نشان داد. همچنین به منظور ارزیابی کارایی مدل ارائه شده از معیارهای آماری شامل (ریشه میانگین مربعات خطا، ضریب تعیین ومعیار ناش-ساتکلیف) استفاده گردید و نتایج حاصله با برآوردهای حاصل از مدل های تجربی مقایسه گردید. نتایج حاصله نشان داد که حتی ساده ترین مدل نگاشت خود-سامان با ترکیب متوسط دمای هوا و حداکثر ساعات آفتابی به عنوان ورودی نیز خطای کمتری نسبت به معادلات تجربی دارد.

تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی است و تعیین صحیح آن برای بسیاری از مطالعات از قبیل توازن هیدرولوژیکی آب، طراحی و مدیریت سیستم های آبیاری، شبیه سازی میزان محصول و طراحی و مدیریت منابع آب از درجه اهمیت بالایی برخوردار است. خاصیت غیرخطی، عدم قطعیت ذاتی و نیاز به اطلاعات متنوع اقلیمی در برآورد تبخیر و تعرق از دلایلی بوده اند که باعث شده پژوهشگران به سوی روش های داده کاوی همچون درخت تصمیم (M5) و رگرسیون بردار پشتیبان (SVR) روی آورند. در تحقیق حاضر دقت روش های مذکور در تخمین تبخیر و تعرق گیاه مرجع در مقایسه با روش های تجربی هارگریوز و تورنت وایت مورد مطالعه قرار گرفته است. بدین منظور، با استفاده از سری داده های هواشناسی سال های 1394-1371 ایستگاه سینوپتیک تبریز، ابتدا مقادیر تبخیر و تعرق روزانه گیاه مرجع از روش استاندارد فائو-پنمن-مونتیث محاسبه گردید. سپس با استفاده از این مقادیر به عنوان خروجی های هدف، 17 سناریو مختلف از داده های هواشناسی که ترکیبی از حداقل داده شامل یک پارامتر تا حداکثر شش پارامتر هواشناسی بودند، توسط روش های مذکور ارزیابی گردید. در نهایت قابلیت روش های SVR وM5 در برآورد تبخیر و تعرق گیاه مرجع با استفاده از داده های صحت سنجی مورد بررسی قرار گرفت. نتایج بررسی های آماری و دیاگرام تیلور نشان دادند که روش های SVR و M5 در حالت در نظر گرفتن تمامی پارامترهای هواشناسی به ترتیب با دارا بودن جذر میانگین مربعات خطای 398/0 و 411/0 در مقایسه با روش های تجربی هارگریوز و تورنت وایت، نتایج بهتری در برآورد تبخیر و تعرق گیاه داشته اند.

تبخیر-تعرق به عنوان یکی از اجزا مهم چرخه هیدرولوژیک نقش بسیار بزرگی در برنامه ریزی ومدیریت منابع آبی در مناطق خشک ونیمه خشک ایفا می کند. اندازه گیری دقیق تبخیر-تعرق نیازمند ابزاری گران قیمت می باشد که امکان استفاده از آن ها در همه نقاط وجود ندارد. از این رو محققان همواره به دنبال روابط و روش های کاربردی، کم هزینه و با دقت مناسب برای برآورد صحیح مقدار این پارامتر بوده اند. روش های متعددی برای برآورد صحیح تبخیر تعرق در سراسر دنیا توسعه داده شده است. از جمله این روش ها می توان به معادلات تجربی و روش های داده محور از جمله شبکه های عصبی-مصنوعی، ماشین بردار پشتیبان و مدل های درختی اشاره نمود. لذا هدف از این پژوهش بررسی دقت و قابلیت مدل های ماشین بردار پشتیبان، درخت تصمیم نوع چاید وجنگل تصادفی در تخمین تبخیر-تعرق مرجع می باشد. داده های مورد استفاده در این تحقیق شامل دمای حداکثر، دمای حداقل، دمای میانگین، رطوبت حداکثر، رطوبت حداقل، رطوبت میانگین، بارش، ساعات آفتابی، سرعت باد وتبخیراز تشت از ایستگاه هواشناسی دشت سیستان بین سالهای 2018-2009 می باشند. در این پژوهش، ابتدا با استفاده از داده های هواشناسی و مدل فائو پنمن مانتیث مقادیر تبخیر تعرق محاسبه و سپس با ارائه سناریوهای ترکیبی مختلف از پارامترهای هواشناسی به عنوان ورودی مدل های مورد مطالعه (ماشین بردار پشتیبان، درخت تصمیم نوع چاید وجنگل تصادفی) در مقیاس زمانی روزانه سعی در برآوردی دقیق تر از تبخیر– تعرق مرجع به عنوان خروجی مدل ها شده است. در این تحقیق به منظور مقایسه مدل های مختلف ازشاخص های آماری ضریب همبستگی (R) و قدرمطلق خطا(MAE) استفاده شده است. بررسی نتایج نشان دادند که از میان مدل های ماشین بردار پشتیبان، چاید وجنگل تصادفی، مدل جنگل تصادفی با الگوی M7 بیشترین دقت را با ضریب همبستگی(R=0. 983) و کمترین میانگین قدرمطلق خطا(MAE=0. 798) دارد. بنابراین این پژوهش مدل جنگل تصادفی را برای برآورد تبخیر وتعرق در منطقه دشت سیستان توصیه می کند.