شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,205

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICWC01_082

تاریخ نمایه سازی: 27 آذر 1387

چکیده مقاله:

تبخیر پارامتری است که در بررسی منابع آب‌یک منطقه علاوه بر کمیت آب موجود، بر کیفیت آن نیز تأثیر گذار است. اهمیت این پارامتر در مناطقی از ایران که دارای اقلیم خشک ونیمه خشک بوده و مشکل کم آبی نیز وجود دارد، دو چندان می‌گردد.. بررسی اقلیمی سیستان نشان می‌دهد که بطور طبیعی استعداد زیادی برای تبخیر وجود دارد. بالا بودن درجه حرارت و وزش بادهای پیوسته و شدید، به همراه پایین بودن رطوبت نسبی، تبخیر آب را نسبت به سایر مناطق افزایش می‌دهد. دراین تحقیق، ‌یک مدل شبکه عصبی تبخیر از سطح آزاد آب برای ایستگاه هواشناسی زهک گسترش می‌یابد. هدف اصلی ایجاد مدل مزبور، شبیه سازی تغییرات پارامترهای دما حداقل و حداکثر، سرعت باد حداقل و حداکثر، رطوبت نسبی حداقل و حداکثر و ساعات آفتابی در ایستگاه می‌باشد، تا بتوان ازآن به منظور آنالیز سریع تبخیر درمنطقه استفاده نمود. به طور کلی در این تحقیق کارایی مدل Qnet 2000 Neural Network Modeling در شبیه‌سازی پارامتر تبخیر در بازه زمانی روزانه مورد بررسی قرار گرفت. پس از اجرای برنامه مذکور نتایج تحلیل آماری %438/5RMSE=، 87/0 d= ، 57/1MAE= حاصل گردید. با مقایسه نتایج حاصل از مدل شبکه عصبی، با داده‌های اندازه‌گیری تبخیر مشاهده گردیدکه مدل دارای ضریب تبیینِ 93/0= R2 میباشد. نتایج همچنین نشان داد که پارامتر سرعت باد ماکزیمم روی عملکرد بهتر مدل شبکه عصبی تاثیر کمتری نسبت به سایر پارامترها دارد.

کلیدواژه ها:

نویسندگان

محمد مهدی جاری

دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه زابل

پیمان افراسیاب

استادیار گروه مهندسی آب دانشگاه زابل

جمشید پیری

فارغ التحصیل کارشناسی ارشد دانشگاه شیراز

غلامغلی کیخا

عضو مرکز تحقیقات کشاورزی و منابع طبیعی زابل

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پیری و همکاران.1386. شبیه‌سازی تبخیر مخازن چاه‌نیمه زابل با استفاده ...
  • شایان نژاد، م. 1385. مقایسه دقت روشهای شبکه‌های عصبی مصنوعی ...
  • Jain, A. K., A. J. Mao and K.M. Mohiuddin. 1996. ...
  • Jain, S.K., A. Das, and D.k. Srivastsva. 1999. Application of ...
  • Keshavarz, M. Roopaei. 2006. Intelligent Structures _ Economical Forecasting. Proceedings ...
  • Kisi, O. 2006. Daily pan evaporation modelling using a neuro-fuzzy ...
  • Maier, H.R. and G.C. Dandy. (2000). artificial neural networks Jfor ...
  • Norgaard, M. 2000. Neural Network Based System Identification Toolbox Ver.2. ...
  • Rajurkar, M.P., U.C. Kothyari, and U.C. Claube. (2004). Modeling of ...
  • Willmott, C. J. 1982. Some commentss on the evaluation of ...
  • نمایش کامل مراجع