پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,759 |
| تعداد مشاهده مقاله | 115,138,573 |
| تعداد دریافت فایل اصل مقاله | 89,901,754 |
ارزیابی دقت روش‌های هوشمند و آنالیز حساسیت تبخیر- تعرق گیاه مرجع به پارامترهای هواشناسی در دو اقلیم مختلف | ||
| اکوهیدرولوژی | ||
| مقاله 3، دوره 1، شماره 1، شهریور 1393، صفحه 17-24 اصل مقاله (486.41 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2014.52522 | ||
| نویسندگان | ||
| معصومه نجفی1؛ وحید عظیمی2؛ محمد شایان نژاد* 3 | ||
| 1دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه صنعتی اصفهان، اصفهان | ||
| 2دانشجوی سابق مهندسی آب، گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه تبریز، تبریز | ||
| 3دانشیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه صنعتی اصفهان، اصفهان | ||
| چکیده | ||
| در این پژوهش برای ارزیابی حساسیت تبخیر- تعرق گیاه مرجع در دو منطقۀ اصفهان و رشت با اقلیم‌های نیمه‌خشک و معتدل، به کمک دو روش هوشمند، از پارامترهای هواشناسی در طول آماری 1970-2010 استفاده شد. همچنین از شبکه‌های عصبی با ساختار پرسپترون چندلایه (MLP[1]) و برنامه‌ریزی بیان ژن GEP[2])) برای آنالیز حساسیت تبخیر- تعرق گیاه مرجع به پارامترهای هواشناسی استفاده شد. در مورد همبستگی پارامترها، نتایج نشان داد در اصفهان و رشت، کمینۀ دما و بیشینۀ دما با ضریب همبستگی 968/0 و 926/0 در مقابل دیگر پارامترها، بیشترین همبستگی را دارند و در منطقۀ اصفهان سرعت باد با بیشینۀ دما با ضریب 067/0 و در رشت سرعت باد با کمینۀ رطوبت با ضریب 001/0 کمترین ارتباط را دارند. همچنین نتایج حاصل از این بررسی نشان داد در منطقۀ اصفهان با کاربرد مدل MLP و با ورودی‌های بیشینه و کمینۀ دما، رطوبت، سرعت باد و تعداد ساعات آفتابی، با جذر میانگین مربعات خطا (RMSE[3]) برابر با 418/0 میلی‌متر در روز بهترین نتیجه را جهت تخمین تبخیر- تعرق مرجع ارائه داد. همچنین در منطقۀ رشت با کاربرد مدل MLP و با ورودی‌های کمینه و بیشینۀ دما، بیشینۀ رطوبت و تعداد ساعات آفتابی دارای ضریب همبستگی بیشتر و خطای کمتر است و مقادیر تبخیر- تعرق گیاه مرجع را نسبت به واقعیت بهتر پیش‌بینی می‌کند. در ارتباط با همبستگی پارامترها با نتایج تبخیر- تعرق گیاه مرجع، نتایج نشان داد، در هر دو منطقۀ اصفهان و رشت سرعت باد با تبخیر- تعرق با ضرایب 3/0 و 061/0 کمترین تأثیر را بر هم دارند [1] Multi Layer Procpetron [2] Gene Expression Programming [3] Root Mean Square Error | ||
| کلیدواژه‌ها | ||
| شبکۀ عصبی؛ برنامه‌ریزی بیان ژن؛ تبخیر- تعرق گیاه مرجع؛ پارامترهای هواشناسی | ||
| عنوان مقاله [English] | ||
| An Evaluation of Accuracy of Intelligent Methods and Sensitivity Analysis of Reference Crop Evapotranspiration to Meteorological Parameters in Two Different Climates | ||
| نویسندگان [English] | ||
| masumeh najafi1؛ Vahid Azimi2؛ Mohammad Shayannejad3 | ||
| 1M.Sc. Student, Water Engineering Department, Agriculture Faculty, Isfahan University of Technology, Iran | ||
| 2Former Student, Water Engineering Department, Agriculture Faculty, University of Tabriz, Iran | ||
| 3Associate Professor, Water Engineering Department, Agriculture Faculty, Isfahan University of Technology, Iran | ||
| چکیده [English] | ||
| In this study, climatic parameters are used to evaluate the sensitivity of reference evapotranspiration in Isfahan and Rasht with two semi-arid and moderate climates using two intelligent methods during 1970-2010. In this research, multi-layer precpetron e (MLP) and gene expression programming (GEP) intelligent models are used in order to analyze the sensitivity of reference evapotranspiration to meteorological parameters. Results of correlation of the parameters showed, in Isfahan and Rasht, maximum and minimum temperatures have the highest correlation with correlation coefficients of 0.968 and 0.926 with other parameters, and in Isfahan wind speed and maximum temperature with a coefficient of 0.067 and in Rasht, minimum humidity and wind speed with a coefficient of 0.001 have lowest correlations. The results of the survey indicate that in Isfahan using MLP model and the maximum and minimum temperature, humidity, wind speed and number of sunshine hours as inputs, with the root mean square error (RMSE) equal to 0.418 mm/day was the best results for estimating reference evapotranspiration. The application of MLP model in Rasht, with the inputs of maximum and minimum temperature, the maximum humidity and the number of sunshine hours has less error and higher correlation coefficient and the values of reference evapotranspiration are much more similar to reality. Also, about the evapotranspiration of reference plant in relation to parameters that are used in this study the results showed that in two study places, the correlation coefficient between wind speed and reference evapotranspiration are 0.3 and 0.061 in Isfahan and Rasht, respectively which are the lowest coefficients. | ||
| کلیدواژه‌ها [English] | ||
| Gene Expression Programming, meteorological parameters, Neural Networks, Reference Evapotranspiration | ||
|
آمار تعداد مشاهده مقاله: 2,965 تعداد دریافت فایل اصل مقاله: 1,392 |
||