CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدلسازی و پیش بینی تبخیر-تعرق پتانسیل ماهانه در استان آذربایجان غربی به کمک شبکه ی عصبی MLP

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۷۱ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: WREC01_114
زبان مقاله: فارسی
حجم فایل: ۴۳۰.۹ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی و پیش بینی تبخیر-تعرق پتانسیل ماهانه در استان آذربایجان غربی به کمک شبکه ی عصبی MLP

  حدیقه بهرامی - دانشجوی کارشناسی ارشد رشته هواشناسی کشاورزی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
پویا عاقل پور - دانشجوی کارشناسی ارشد رشته هواشناسی کشاورزی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
  مهدی نادی - استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده مقاله:

با توجه به مسیله بحران آب و نیاز به برنامهریزی دقیق، اطلاع از وضعیت آتی تبخیر- تعرق پتانسیل در مقیاسهای زمانی مختلف میتواند به تصمیم گیریها برای برنامهریزی منابع آب و روشهای مدیریتی مناسب برای آینده کمک کند. در مطالعه ی حاضر قصد بر مدلسازی و پیش بینی سری های زمانی تبخیر-تعرق پتانسیل به روش شبکه ی عصبی MLP در استان آذربایجان غربی میباشد. بدین منظور از داده های محاسبه شده ی تبخیر-تعرق پتانسیل به روش تورنت وایت طی سالهای 207-2015 در دو ایستگاه شاهین دژ و کهریز جهت مدلسازی استفاده شد و پس از آن مقادیر این متغیر برای سالهای 2016 و 2017 پیش بینی گردید. ارزیابی ها که توسط معیارهای RMSE و R انجام شد، نشان داد بهترین عملکردهای شبکه در هر دو ایستگاه مربوط به آرایش تک لایه با تابع انتقال اشباع خطی (Satlin) میباشد. همچنین اختلاف مقادیر RMSE در دو دوره ی آموزش و آزمون نشان داد که این مدل میتواند مقادیر تبخیر-تعرق را در ایستگاه شاهین دژ با دقتی بسیار نزدیک به دوره ی مدلسازی پیش بینی کند. در کل دوره بالاترین میزان ضریب R در هر دو ایستگاه 99/0 بوده اما تفاوت در میزان RMSE که به ترتیب برای ایستگاههای شاهین دژ و کهریز برابر با 39/5 و 73/6 میلیمتر بود، عملکرد شبکه ی عصبی MLP را در برآورد مقادیر تبخیر-تعرق پتانسیل ایستگاه شاهین دژ دقیق تر ارزیابی نمود.

کلیدواژه‌ها:

تبخیر- تعرق پتانسیل ، شبکه عصبی مصنوعی، ،شاهین دژ،روش تورنت وایت

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-WREC01-WREC01_114.html
کد COI مقاله: WREC01_114

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بهرامی, حدیقه؛ پویا عاقل پور و مهدی نادی، ۱۳۹۷، مدلسازی و پیش بینی تبخیر-تعرق پتانسیل ماهانه در استان آذربایجان غربی به کمک شبکه ی عصبی MLP، همایش ملی راهبردهای مدیریت منابع آب و چالش های زیست محیطی، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، https://www.civilica.com/Paper-WREC01-WREC01_114.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بهرامی, حدیقه؛ پویا عاقل پور و مهدی نادی، ۱۳۹۷)
برای بار دوم به بعد: (بهرامی؛ عاقل پور و نادی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۵۴۵۰
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.