پیش بینی میزان تبخیر- تعرق پتانسیل در معادلات فائو- پنمن- مونتیث ، هارگریوز- سامانی و جنسن – هیز اصلاح شده با استفاده از برنامه ریزی ژنتیک

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,612

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PWSWM02_031

تاریخ نمایه سازی: 12 شهریور 1392

چکیده مقاله:

عوامل زیادی در تبخیر و تعرق دخالت داشته و به همین جهت تعیین دقیق آنرا با مشکلات بسیار زیادی مواجه می سازد.در حقیقت دستیابی به روش های مناسب و دقیق در پیش بینی تبخیر- تعرق پتانسیل را می توان به عنوان یکی از مهمترین چالش ها در فرایند مدیریت میزان رطوبت مورد نیاز در تامین رطوبت گیاه دانست. مدل های فیزیکی مفهومی،رگرسیونی و سری های زمانی از معمول ترین روش های تحلیل میزان تبخیر- تعرق پتانسیل در معادلات مختلف میباشندکه با توجه به پیچیده بودن حل خطی میزان تبخیر- تعرق پتانسیل یا کمبود اطلاعات مورد نیاز، نتایجی همراه با خطاارائه میدهند. امروزه مدلهای هوشمند با توجه به توانایی در حل پدیده های غیرخطی و پیچیده، کاربردهای فراوانی در مسائل روابط آب،خاک و گیاه پیدا کردهاند. در تحقیق حاضر ضمن معرفی برنامه ریزی ژنتیک (GEP) به عنوان یک روش مناسب برای تخمین مقدار تبخیر- تعرق پتانسیل با استفاده از دادههای هواشناسی شهر تبریز، از این روش به منظور پیش بینی تبخیر- تعرق پتانسیل معادلات فائو- پنمن- مونتیث، هارگریوز- سامانی و جنسن- هیز اصلاح شده استفاده گردید. با توجه به شاخص های آماری بکار گرفته شده، نتایج نشان داد که برنامه ریزی ژنتیک قادر است که مقادیر تبخیر- تعرق پتانسیل در معادلات فائو- پنمن- مونتیث، هارگریوز- سامانی و جنسن- هیز اصلاح شده را به ترتیب با ضریب تبیین 0.9392، 0.9728 و 0.9607 برآورد نماید، که حاکی از کارایی مناسب و دقت بالای برنامه ریزی ژنتیک در پیش بینی تبخیر- تعرق پتانسیل معادلات فائو- پنمن- مونتیث، هارگریوز- سامانی و جنسن- هیز اصلاح شده میباشد. همچنین نتایج نشان از ارتباط قوی بین داده های ورودی( اختلاف دمای حداقل و حداکثر روزانه و میانگین آنها) در تخمین تبخیر- تعرق پتانسیل معادله هارگریوز- سامانی نسبت به دو معادله دیگر داشت. همچنین راه حل های صریحی که نشانگر ارتباط بین متغیر های ورودی و خروجی باشد، بر مبنای برنامه ریزی ژنتیک ارائه گردید.

نویسندگان

محمدرضا شعیبی نوبریان

دانشجوی گروه خاکشناسی دانشگاه تربیت مدرس، تهران،ایران

حسینعلی بهرامی

دانشیار گروه خاکشناسی، دانشگاه تربیت مدرس، تهران،ایران

حسین ترابی گلسفیدی

استادیار گروه خاکشناسی دانشگاه شاهد، تهران،ایران

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 :
  • داننده مهر، ع، و مجدزاده طباطبایی، م.1389. بررسی تاثیر در ...
  • دربندی، ص. و ارونقی، ه. 1390. تخمین دمای بیشینه، کمینه ...
  • دربندی، ص.، قربانی م.ح، دربندی، ص.، کریمی، س. 1390. پیش ... [مقاله کنفرانسی]
  • فریماه السادات، ج. 1388. مدل شبکه عصبی مصنوعی پیش بینی ...
  • علیزاده، الف. 1383 رابطه آب و خاک و گیاه. چاپ ...
  • Aytek A and Kisi O, 2008. A genetic programming approach ...
  • Aytek A, Asce M and Alp M. 2008. An application ...
  • Elizondo, D.A. McClendon, R.W., Hoogenboom, G. 1994. Neural network models ...
  • Ferreira, C., 2001. Gene expression programming: a new adaptive algorithm ...
  • Francl, L., Panigrahi, S. 1997. Artificial neural network models of ...
  • Ghorbani, M.A. _ Khatibi, R., Aytek A., Makarynskyy, O., and ...
  • Goldberg, D. E., 1989. Genetic algorithms in search, optimization, and ...
  • Kozza, J.R., 1992. Genetic Programming: On the programming of computers ...
  • Khu ST, Liong SY, Babovic V, Madsen H and Muttil ...
  • _ _ _ _ _ Waer, _ _ _ _ ...
  • Ustoorikar K and Deo MC, 2008. Filling up gaps in ...
  • نمایش کامل مراجع