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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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:

برنامه ریزی ژنتیک ، تخمین ، تبخیر- تعرق پتانسیل ، معادله فائو- پنمن- مونتیث

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 :
  • -داننده مهر، ع.، و مجدزاده طباطبایی، م.1389. بررسی تاثیر در ...
  • - دربندی، ص. و ارونقی، ه. 1390. تخمین دمای بیشینه، ...
  • -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 ...
  • _ _ _ _ _ Waer, _ _ _ _ ...
  • 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 ...
  • -Francl, L.., Panigrahi, S. 1997. Artificial neural network models of ...
  • -Ghorbani, M. A. _ Khatibi, R., Aytek A., Makarynskyy, O., ...
  • -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, _ _ _ _ ...
  • _ _ _ _ _ Waer, _ _ _ _ ...
  • نمایش کامل مراجع