| پیش بینی تبخیر و تعرق پتانسیل استان کرمان با استفاده از مدل های شبکه عصبی پویا بر مبنای تحلیل مؤلفه های اصلی |
| کد مقاله : 1159-NCFWM |
| نویسندگان: |
|
حلیمه پیری *1، سلمان شریف آذری2 1زابل دانشگاه زابل دانشکده آب و خاک گروه مهندسی آب 2دانشگاه زابل |
| چکیده مقاله: |
| با توجه به اهمیت تعیین دقیق و به موقع تبخیر و تعرق در محاسبات بیلان آبی، شبیه سازی تولیدات گیاهی و برنامه ریزی های آبیاری از یک سو و نبود داده های مناسب هواشناسی از سوی دیگر، ارائه یک مدل ساده،کم هزینه و دقیق را در ارائه این پارامتر ضروری می نماید. لذا این تحقیق با هدف استفاده از توانمندی سیستم شبکه های عصبی پویا جهت برآورد تبخیر و تعرق پتانسیل نسبت به روش فائو پنمن مانتیث با استفاده از برخی داده های هواشناسی انجام شده است. براین اساس ابتدا با استفاده از روش تجزیه‌ی مولفه‌های اصلی پارامترهای موثر بر تبخیر و تعرق به مولفه‌های اصلی تجزیه شدند. سپس با استفاده از میزان تاثیر گذاری پارامترها در دو مولفه‌ی اصلی اول، پارامترهای دارای اهمیت بیشتر به منظور پیش بینی میزان تبخیر و تعرق مشخص شده و در ادامه مدل‌های مختلف شبکه عصبی مصنوعی (MLP، IDNN و NARX) به روی داده‌ها برازش داده شده و برای هر کدام از ایستگاه‌های سینوپتیک استان کرمان، بهترین مدل شبکه‌ی عصبی مشخص شد. کارایی مدل های مورد مقایسه با استفاده از آماره های ریشه میانگین مربع خطا، خطای انحراف میانگین، ضریب تعیین و معیار جاکوویدز(t) و معیار صباغ و همکاران(R2/t) مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان داد که مدلNARX با مدل فائو پنمن مانتیث تطابق بالایی داشته و به این جهت توانایی لازم برای برآورد تبخیر و تعرق را دارا می باشد. |
| کلیدواژه ها: |
| تبخیر و تعرق ، مولفه اصلی، آماره جاکوویدز |
| وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است |
