مقایسه عملکرد ماشین بردار پشتیبان در تخمین میزان تبخیر تعرق - پتانسیل (مطالعه موردی)

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 472

فایل این مقاله در 7 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:

IHC13_262

تاریخ نمایه سازی: 30 شهریور 1394

چکیده مقاله:

تبخیر- تعرق از مهمترین مسائل مطالعات مرتبط با مهندسی آب بوده و متاثر از عوامل متعدد هواشناسی و اقلیمی می باشد. تخمین قابل قبول میزان تبخیر- تعرق در طراحی و مدیریت سیستم های آبیاری و مطالعات منابع آب از اهمیت زیادی برخوردار است. در این تحقیق مقادیر روزانه تبخیر تعرق پتانسیل با استفاده از ماشین بردار پشتیبان با تابع کرنل پایه شعاعی و شبکه عصبی مصنوعی با در نظر گرفتن پارامترهای سرعت باد، میانگین دمای هوا، تشعشع، رطوبت نسبی، بارش، ابرناکی و ساعات آفتابی برای ایستگاه سینوپتیک دکوی واقع درفرودگاه دن-هلدر هلند طی دوره آماری 1994 تا 2013 شبیه سازی گردید. نتایج و صحت هر دو مدل با استفاده از پارامترهای ضریب همبستگی و ریشه میانگین مربعات خطا ارزیابی شد. نتایج گویای عملکرد قابل قبول هر دو مدل و برتری مدل ماشین بردار پشتیبان با بیشترین ضریب همبستگی (R=0/9994) و کمترین میانگین مربعات خطا (RMSE=0/6552 mm) در مرحله صحت سنجی می باشد.

نویسندگان

صابره دربندی

استادیار گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز

وحید کریمی

دانشجوی سابق کارشناسی گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز

رضا فرهودی

دانشجوی سابق کارشناسی گروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز

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 :
  • Dayhoff J E..(199 0), Neural Network Principles. _ New York, ...
  • Eskandari A, Noori R, Meeraji H, Kiaghaderi A., (20 11), ...
  • Khanna T..(1990), Foundation of neural networks: Addi son-Wesley Series in ...
  • Lippmann, RP., (1987), An introduction o computing with neural nets. ...
  • MoharramPour M, Abdolhamid M, Katouzi M.(2012), Daily Discharge Forecasting Using ...
  • Trajkovic, S.(2005), Temp erature-bas ed approaches for estimating reference evapotran ...
  • Wong, FS., (1991), Time series forecasting using back propagation neural ...
  • نمایش کامل مراجع