شبیه سازی دستگاه لایسیمتری بوسیله سیستم های هوش مصنوعی منطق فازی و شبکه عصبی
محل انتشار: کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 799
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECIT01_484
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
باتوجه به ضرورت براورد تبخیر تعرق درمیدریت منابع اب برنامه ریزی ابیاری و ارزیابی اثرات تغییرکاربری اراضی برروی بازده و تامین نیاز آبی گیاهان تعیین دقیق تبخیر تعرق مرجع بسیار مهم و حیاتی می باشد باتوجه به مشکلات متعددی که دربکارگیری لایسیمتر ها وجود دارد استفاده ازمدلهایی که بتوانند این فرایند را بدقت مطلوبی شبیه سازی و براورد نمایند امری ضروری به نظر می رسد همچنین به دلیل تاثیر متقابل پارامترهای هواشناسی شیوه های قدیمی مواجهه با عدم قطعیت درتخمین تبخیر و تعرق گیاه دربسیاری ازموارد با پیچیدگی های بسیاری روبروهستند و تخمین دقیق آن کاری پیچیده است بدین منظوردراین مقاله ازدو سیستم استنتاج فازی سوگینو و ممدانی و شبکه های عصبی و مقایسه بین آنها به منظور شبیه سازی دستگاه لایسیمتری استفاده گردید دراین مقاله مقادیر حداقل ریشه میانگین مربع خطا RMSE خطای انحراف میانگین MBE ضریب تعیین و معیار جاکوویدزt درمرحله ازمایشبرای مدل فازی سوگینو به ترتیب برابر با 0.3077و0.059و20.26 و مدل فازی ممدانی به ترتیب برابر با 21.56و0.3377و0.071ومدل شبکه عصبی 0.34و0.096و21.32 هستند نتایج نشان میدهد که سیستم استنتاج فازی سوگینو درمقایسه با روشهای ترکیبی قابلیت بالایی درتخمین مقدار تبخیر و تعرق گیاه مرجع دارد.
کلیدواژه ها:
تبخیروتعرق گیاه مرجع ، سیستم استنتاج فازی ، پارامترهای هواشناسی ، لاییسمتر ، روش ، روش پنمن ـ مونتیث ، فائو ، شبکه های عصبی
نویسندگان
سیدمهدی علویان
دانشجوی کارشناسی ارشدمهندسی صنایع
حسن جهانشاهی
عضو هیئت علمیدانشگاه جامع امام حسین ع
ضیاءالدین قاضی زاده
عضو هیئت علمی دانشگاه جامع امام حسین ع
مرتضی تمنالو
دانشجوی کارشناسی ارشدریاضی کاربردی
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 :