ورود
مقالات فارسیISIکنفرانسهاژورنالها

تخمین تبخیر تشت کلاس A به وسیله شبکه عصبی مصنوعی در منطقه همدان

محل انتشار: پنجمین همایش ملی علوم و مهندسی آبخیزداری ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,151

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/87093

شناسه ملی سند علمی:

WATERSHED05_179

تاریخ نمایه سازی: 11 بهمن 1388

چکیده مقاله:

در این مقاله با منظور نمود ن میانگین دمای هوا، میانگین رطوبت نسبی و سرعت باد در شبکه عصبی سه لایه، پارامتر تبخیربرآورد گردید . حساسیت شبکه نسبت به ترکیب های مختلفی از پارامترهای ورودی شامل یک، دو و سه داده در لایه اول و تعداد نرونهای لایه میانی 30-1 سلول بررسی شد. نتایج نشان دد مدل شبکه عصبی با آرایش 1-14-2 با تابع آموزش لومبرگ مارکوات و تابع محرک سیگمویید نسبت به سایر مدل های عصبی مناسب بود . همچنین نتایج نشان داد که افزایش تعداد نرون ها در لایه ورودی ولایه میانی لزوماً به نتایج مطلوب تری برای مدل های شبکه عصبی ختم نمی شود. ارزیابی و پیشنهاد مدلهای انتخابی برای برآورد تبخیربراساس دادههای ایستگاه هواشناسی سینوپتیک همدان صورت گرفت.

کلیدواژه ها:

نویسندگان

عادل قاسمی

دانشجویان کارشناسی ارشد آبیاری و زهکشی دانشگاه بوعلی سینا

حمید زارع ابیانه

استادیار دانشکده کشاورزی دانشگاه بوعلی سینا

مریم بیات ورکشی

دانشجویان کارشناسی ارشد آبیاری و زهکشی دانشگاه بوعلی سینا

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 :
  • بی‌نام: اداره کل هواشناسی استان همدان، سالنامه هواشناسی، .1386 ...
  • بهمنی، ع. کوچک‌زاده، م و فتحی، پ. 1385."تهیه مدل ANN ...
  • حسنی‌پاک، ع.، و عزیزیان، م. 1385. تخمین پارامترهای پتروفیزیکی با ...
  • پیش بینی بلند مدت بارش با استفاده از سیگنال های هواشناسی، کاربرد شبکه های عصبی مصنوعی (منطقه جنوب شرق ایران) [مقاله کنفرانسی]
  • غفاری، ع.، قاسمی، و.، و دپائو، ا. سال1383 _ پهنه‌بندی ...
  • یاوری، م. و مهدوری، س. 385. پیش‌بینی نرخ نفوذ ماشین‌های ...
  • ap otranspiration and its manipulation vع 24. Rosenberg, N.J. and ...
  • Arca, b., et al, 2000. Evaluation of Neural Network techniquese ...
  • Bruton, J.M., McClendon, R.W. and Hoogenboom, G. 2000. Estimating daily ...
  • Brutsaert, W.H., 1982. Evaporation into the Atmosphere. D. Reidel, Dordrecht, ...
  • Burman, R.D., 1976. Interc ontinental comparison of evaporatione stimates _ ...
  • Coulomb, C.V., Legesse, D., Gasse, F., Travi, Y, Chernet, T., ...
  • Dayhoff, J. E. 1990. Neural Networks Principles. Prentice-Hal International, U.S.A. ...
  • Gavin, H., Agnew, C.A., 2004. Modeling actual, reference and equilibrium ...
  • Hecht, N. , 1987. Kolmogorov Mapping, Neural network existence theorem. ...
  • Irmak, S., Haman, D., Jones, J.W., 2002. Evaluation of class ...
  • Jackson, R.D., 1985. Evaluating _ ap otranspiration at local and ...
  • Jensen, M.E., 1974. Consumptive uSe of Water and Irrigation Requirements. ...
  • Kisi, O., 2005b. Daily river flow forecasting using artificial neural ...
  • Kisi, O., 2006 Daily pan evaporation modeling using a neuro-fuzzy ...
  • Kumar, D.N., Raju, K.S., Sathish, T., 2004. River flow forecasting ...
  • Landeras. Ortiz, A., Javier Lopez, j. (2007) .:Comparison of artificial ...
  • Linarce, E.T., 1967. Climate and the evaporation from crops. ASCEJ. ...
  • Obot, o.u. _ Uzoka Faite-Michal E.2008. A framework for application ...
  • Stephens, J.C., Stewart, E.H., 1963. A comparison of procedures forcomputing ...
  • Sudheer, K P. 2000. Modeling hydrological processes using neural computing ...
  • Terz, O., et al, 2005 "Modeling of Daily Pan Evaporation" ...
    • نمایش کامل مراجع