ارزیابی دقت روشهای هوشمند (ANFIS,M5) و آنالیز حساسیت تبخیر - تعرق مرجع روزانه به پارامترهای هواشناسی (مطالعه موردی: ایستگاه سینوپتیک طالقان)

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 849

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGROCONGRESS02_130

تاریخ نمایه سازی: 14 دی 1394

چکیده مقاله:

در این مطالعه از دو روش مبتنی بر هوش مصنوعی شامل مدل درختی M5 و سیستم استنتاج تطبیقی عصبی – فازی ANFIS برای مدلسازی تبخیر - تعرق مرجع ET0 استفاده گردید. به این منظور جهت برآوردی دقیق از مقدار تبخیر تعرق مرجع روزانه در منطقه طالقان استان البرز ابتدا براساس روش استاندارد و متداول فائو پنمن - مانتیث و داده های هواشناسی ایستگاه سینوپتیک طالقان مقدار تبخیر - تعرق مرجع روزانه محاسبه شد سپس با ارائه ترکیبهای مختلفی از پارامترهای هواشناسی شامل دمای حداقل و حداکثر هوا، رطوبت نسبی هوا، ساعات آفتابی و سرعت زیاد در مقیاس روزانه طی سالهای 2009 تا 2013 به عنوان ورودی مدلهای هوشمند سعی در برآورد دقیقتری از تبخیر - تعرق مرجع روزانه به عنوان خروجی مدلها شده است. شاخصهای آماری MAE,RMSE, R2 برای مدل M5 با ترکیب کامل متغیرهای اقلیمی به ترتیب 0/969، 0/381، 0/302 و برای مدل ANFIS با ترکیب کامل متغیرهای اقلیمی به ترتیب 0/983، 0/284، 0/080 محاسبه شد. طبق نتایج ترکیب کامل متغیرهای اقلیمی در هر دو مدل دارای بالاترین مقدار ضریب تبیین، کمترین میزان خطا و دقیقترین پیش بینی تبخیر - تعرق مرجع روزانه می باشد.

کلیدواژه ها:

تبخیر ، تعرف مرجع ، سیتم استتنتاج تطبیقی عصبی ، فازی ، طالقان ، مدل درختی

نویسندگان

آیدا مهرآذر

دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان دانشگاه تهران

جابر سلطانی

استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

محمد سلطانی

دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران

موسی کلانکی

کارشناس ارشد هوش مصنوعی دانشگاه صنعتی امالک اشتر مجتمع دانشگاهی علوم و فناوری های زیر دریا

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 :
  • Sattari, M. T., Nahrein, F., Azimi, V. (2013). M5 Model ...
  • AliPour, H., Ashrafzadeh, A., And Pirmoradian, N. (2014). Estimates of ...
  • Allen, R. G. Periera, L. S., Raes, D., and Smith, ...
  • Aytek, A. (2008). Co-active neurofuzzy inference system for evap otranspiration ...
  • Bhattacharya, B., and Solomatine, D. P. (2006). Machine learning in ...
  • Chang, L. C., and Chang, F. J. (2001). Intelligent control ...
  • Chang, F. j., Chang, K. Y, and Chang, L. C. ...
  • Dogan, E. (2009). Reference Evap otranspiration Estimation Using Adaptive neuro ...
  • Izadifar, Z, and Elshorbagy, A. (2010). Prediction of hourly actual ...
  • Jang, J. S. R. (1993). ANFIS: adaptive -network-b ased fuzzy ...
  • Karimi, S., Shiri, J., and Nazemi, A. H. (2013). Estimating ...
  • Keskin, M. E, Terzi, 6., and Taylan, D. (2009). Estimating ...
  • Kisi O. (2007). The potential of different ANN techniques in ...
  • Lin, C., Chao, C., and Chen, W. F. (2008). Estimation ...
  • Mirm oradzehi, J., Soltani, J., and Piri, J. (2013). Comparison ...
  • Moradi, M. A., and Rahimikhoob, A. (2013). Estimation of Reference ...
  • Odlhiambo, L. O., Yoder, R. E., Yoder, D. C., _ ...
  • Pal, M., and Deswal, S. (2009). M5 model tree based ...
  • Parsafar, N., Sabziparvar, A. A., and Aeini, A. (2012). Evaluation ...
  • Quinlan, J. R. (1992). Learning with continuous classes. In Proceedings ...
  • Rahimikhoob, A., Asadi, M., and Mashal, M. (2013). A comparison ...
  • Rahimikhoob, A. (2014). Comparison between M5 Model Tree and Neural ...
  • Shayannejad, M., Sadatinejad, S. J., and Fahmi, H. (2008). Determination ...
  • Shiri, J., Kisi, O., Landeras, G., Lopez, J. J., Nazemi, ...
  • Solomatine, D. P., and Xue, Y. (2004). M5 model trees ...
  • Soltani, J., Mogh addamnia, A., Piri, J., and Mirm oradzehi, ...
  • Soltani, M., and Azadeghan, B. (2014). Evaluating the performance of ...
  • Tavakoli, _ Ghahraman, B., Davari, K., and Ansari, H. (2013). ...
  • Tzimopoulos, C., Mpallas, L, and P apaevangelou, G. (2008). Estimation ...
  • Yurdusev, M. A., and Firat, M. (2009). Adaptive neuro-fuzzy inference ...
  • نمایش کامل مراجع