مقایسه سیستمهای هوش مصنوعی ANN) و (ANFIS در تخمین میزان تبخیر-تعرق گیاه مرجع در مناطق بسیار خشک ایران | ||
| آب و خاک | ||
| مقاله 6، دوره 24، شماره 4، 1389 اصل مقاله (369.96 K) | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.3887 | ||
| نویسندگان | ||
| کاوه احمدزاده قره گویز* 1؛ سیدمجید میرلطیفی2؛ کوروش محمدی3 | ||
| 1دانشگاه تربیت مدرس تهران | ||
| 2دانشگاه تربیت مدرس | ||
| 3دانشکده کشاورزی دانشگاه تربیت مدرس | ||
| چکیده | ||
| چکیده تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف امکان تخمین تبخیر-تعرق مرجع (ETo) روزانه با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم، به انجام رسید. بدین منظور پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) و شبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق مرجع روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی سه ایستگاه سینوپتیک اصفهان، کرمان و یزد، شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی، و تبخیر-تعرق مرجع روزانه محاسبه شده با روش استاندارد فائو پنمن-مانتیث به عنوان خروجی روش های ANN و ANFIS استفاده شد. ایستگاه های مورد مطالعه بر اساس روش پهنه بندی اقلیمی دین پژوه در اقلیم بسیار خشک دسته بندی شدند. برآوردهای ETo از روش های ANN و ANFIS با مدل های تجربی ماکینک، پرستلی-تیلور، هارگریوز-سامانی، فائو بلانی-کریدل و ریچی مقایسه شد. کارایی روشهای مورد مقایسه، با استفاده از آمارههای ریشه میانگین مجذور خطا (RMSE)، خطای انحراف میانگین (MBE) و ضریب تعیین (R2)، مورد ارزیابی قرار گرفت. روش های ANN و ANFIS توانستند با موفقیت تبخیر-تعرق مرجع روزانه را برآورد کنند. مدل ANFIS85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد نسبت به تمامی روشهای تجربی مورد استفاده، از دقت بالاتری برخوردار است. روش فائو بلانی-کریدل نسبت به دیگر روشهای تجربی دارای دقت بالاتری بود. واژه های کلیدی: ایران، بسیار خشک، تبخیر-تعرق مرجع، سیستم استنتاج تطبیقی عصبی-فازی، مدل های تجربی | ||
|
آمار تعداد مشاهده مقاله: 6,644 تعداد دریافت فایل اصل مقاله: 2,420 |
||