جلد 23، شماره 2 - ( علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی- تابستان 1398 )                   جلد 23 شماره 2 صفحات 215-226 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ganji khorramdel N, Hoseini S M R. Estimation of Reference Evapotranspiration Using Artificial Neural Network Models and the Hybrid Wavelet Neural Network. JWSS. 2019; 23 (2) :215-226
URL: http://jstnar.iut.ac.ir/article-1-3662-fa.html
گنجی خرم دل ناصر، حسینی سید محمد رضا. تخمین تبخیر و تعرق مرجع روزانه به کمک مدل شبکه عصبی مصنوعی و مدل ترکیبی شبکه عصبی- موجک. مجله علوم آب و خاک. 1398; 23 (2) :215-226

URL: http://jstnar.iut.ac.ir/article-1-3662-fa.html


1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه اراک، اراک
چکیده:   (391 مشاهده)
برآورد تبخیر و تعرق به‌منظور کاربرد در برنامه‌ریزی، طراحی و مدیریت طرحهای آبیاری و زهکشی و مدیریت منابع آب ضروری است. در این تحقیق به ارزیابی مدل‌های شبکه عصبی مصنوع، مدل شبکه عصبی- موجک، رگرسیون چند متغیره و روش تجربی هارگریوز در برآورد تبخیر و تعرق مرجع به‌منظور تعیین بهترین مدل از نظر میزان کارایی با توجه به دادههای موجود پرداخته شد. از دادههای روزانه دو ایستگاه هواشناسی فرودگاه شهرکرد و فرخ‌شهر در منطقه خشک و سرد شهرکرد در بازه زمانی 2013-2004 شامل دمای حداقل و حداکثر، رطوبت نسیبی میانگین، سرعت باد در ارتفاع دو متری و ساعات آفتابی استفاده شد. 75 درصد دادهها برای آموزش و اعتبارسنجی و 25 درصد دادهها برای تست مدلها استفاده شد. شبکه طراحی شده یک شبکه عصبی پیش‌خور با تابع فعال تانژانت سیگموئید در لایه پنهان است. در مرحله بعدی موجک‌های مختلف Haar، db و Sym روی داده‌ها اعمال شد و شبکه عصبی- موجک طراحی شد. برای ارزیابی مدلها روش پتمن مونتیث فائو مبنای کار قرار گرفت. برای هر چهار روش استفاده شده شاخص‌های آماری RMSE، MAE و R محاسبه و رتبه‌دهی شدند. نتایج نشان داد که از میان مدل‌های طراحی شده، شبکه عصبی موجک با موجک 5 db عملکرد بهتری نسبت به موجک‌های دیگر و همچنین نسبت به شبکه عصبی مصنوعی، روش آماری رگرسیون چند متغیره و روش هارگریوز داشته است. نتایج مدل شبکه عصبی- موجک با موجک 5 db در ایستگاه فرخ‌شهر به‌ترتیب برابر 0/2668، 0/2067 و 0/998 و در ایستگاه فرودگاه به‌ترتیب برابر 0/2138، 0/14 و 0/9989 محاسبه شد. نتایج نشان داد که شبکه عصبی- موجک عملکرد دقیقتری نسبت به سایر مدلهای مورد بررسی در این تحقیق داشت.
متن کامل [PDF 386 kb]   (54 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: ۱۳۹۶/۱۱/۱۶ | پذیرش: ۱۳۹۷/۵/۱۴

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به نشریه علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی - Isfahan University of Technology می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb