پیش بینی میزان تبخیر- تعرق پتانسیل معادله فائو- پنمن- مونتیث با استفاده از برنامه ریزی ژنتیک
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,002
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PWSWM02_006
تاریخ نمایه سازی: 12 شهریور 1392
چکیده مقاله:
از جاییکه عوامل بسیار زیادی در تبخیر- تعرق دخالت دارند برآورد دقیق تبخیر- تعرق اگر نتوان گفت که غیر ممکن استکاری بس مشکل است. در حقیقت حصول روش های مناسب و دقیق در پیش بینی تبخیر- تعرق پتانسیل را می توان بهعنوان یکی از مهم ترین چالش ها در فرایند مدیریت میزان رطوبت مورد نیاز در تامین رطوبت گیاه دانست. فاکتورها وعوامل مختلفی بر روی تبخیر- تعرق پتانسیل تاثیرگذار می باشند که تحلیل این پدیده را مشکل می سازند. مدل هایفیزیکی مفهومی، رگرسیونی و سری های زمانی از معمول ترین روش های تحلیل میزان تبخیر- تعرق پتانسیل در معادلاتمختلف می باشند که با توجه به حل خطی پدیده پیچیده میزان تبخیر- تعرق پتانسیل یا کمبود اطلاعات مورد نیاز،نتایجی همراه با خطا ارائه می دهند. امروزه مدل های هوشمند با توجه به توانایی در حل پدیده های غیرخطی و پیچیده،کاربردهای فراوانی در مسائل روابط آب- خاک- گیاه پیدا کرده اند. در تحقیق حاضر ضمن معرفی برنامه ریزی ژنتیک (GEP) به عنوان یک روش صحیح برای تخمین مفدار تبخیر- تعرق پتانسیل با استفاده از داده های هواشناسی شهر تبریز، از این روش به منظور پیش بینی تبخیر- تعرق پتانسیل این شهر با استفاده از معادله فائو- پنمن- مونتیث استفاده گردید. با توجه به شاخص های آماری بکار گرفته شده نتایج حاکی از کارایی مناسب و دقت بالای برنامه ریزی ژنتیک در پیش بینی تبخیر- تعرق پتانسیل می باشد. همچنین راه حل های صریحی که نشانگر ارتباط بین متغیر های ورودی و خروجی باشد، بر مبنای برنامه ریزی ژنتیک ارائه گردیدند.
کلیدواژه ها:
نویسندگان
محمدرضا شعیبی نوبریان
دانشجوی گروه خاکشناسی دانشگاه تربیت مدرس، تهران،ایران
صابره دربندی
استادیار گروه مهندسی آب، دانشگاه تبریز،تبریز،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 :