دانشگاه شهید چمران

 آمار

تعداد نشریات30
تعداد شماره‌ها950
تعداد مقالات8,275
تعداد مشاهده مقاله8,594,930
تعداد دریافت فایل اصل مقاله6,791,829
آزاد طلاتپه, نسرین, بهمنش, جواد, منتصری, مجتبی, وردی نژاد, وحیدرضا. (1394). مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه). سامانه نشریات, 38(4), 75-85. doi: 10.22055/jise.2016.11794
نسرین آزاد طلاتپه; جواد بهمنش; مجتبی منتصری; وحیدرضا وردی نژاد. "مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)". سامانه نشریات, 38, 4, 1394, 75-85. doi: 10.22055/jise.2016.11794
آزاد طلاتپه, نسرین, بهمنش, جواد, منتصری, مجتبی, وردی نژاد, وحیدرضا. (1394). 'مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)', سامانه نشریات, 38(4), pp. 75-85. doi: 10.22055/jise.2016.11794
آزاد طلاتپه, نسرین, بهمنش, جواد, منتصری, مجتبی, وردی نژاد, وحیدرضا. مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه). سامانه نشریات, 1394; 38(4): 75-85. doi: 10.22055/jise.2016.11794

مقایسه روش‌های سری زمانی و شبکه عصبی مصنوعی در پیش‌بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)

علوم و مهندسی آبیاری
مقاله 7، دوره 38، شماره 4، بهمن 1394، صفحه 75-85    اصل مقاله (791.16 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22055/jise.2016.11794
نویسندگان
نسرین آزاد طلاتپه1؛ جواد بهمنش* 2؛ مجتبی منتصری2؛ وحیدرضا وردی نژاد3
1دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه ارومیه
2دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
3استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
چکیده
     تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های ARو ARMAو بهترین مدل شبکه عصبی از بین شبکه­های با تابع پایه شعاعی (RBF) و پرسپترون چندلایه (MLP) انتخاب گردید. در گام دوم دو مدل انتخاب شده با یکدیگر مقایسه شدند. در مدل­های شبکه­ عصبی ذکر شده تاخیر­های ماهانه مختلف از تبخیر-تعرق مرجع به عنوان ورودی شبکه انتخاب گردید. در این فرآیند مقادیرتبخیر-تعرق مرجع ماهانه از سال 1350 تا 1389 با استفاده از روش پنمن مونتیث فائو محاسبه شد. داده­های مذکور از سال1350 تا 1384 برای انتخاب بهترین مدل سری زمانی و بهترین ساختار شبکه­ها استفاده و از داده­های 1385 تا 1389 به­منظور مقایسه روش­ها استفاده گردید. نتایج نشان داد که مدل AR(11)در بین سایر مدل­های سری زمانی عملکرد بهتری داشته و مدل RBFدارای خطای کمتری نسبت به مدل MLPبود. مقایسه بهترین مدل سری زمانی (مدل AR(11)) با بهترین مدل شبکه عصبی (مدل RBF) نشان داد که مدل RBFتوانست مقادیر تبخیر-تعرق مرجع را در دوره 1385 تا 1389 با خطای کمتری پیش­بینی کند. مقدار جذر میانگین مربعات خطا در دو مدل AR(11)و RBFبه ترتیب 85/1 و 999/0 میلی­متر در ماه به دست آمد.
کلیدواژه‌ها
تبخیر-تعرق مرجع؛ شبکه‌های با تابع پایه شعاعی؛ شبکه‌های پرسپترون چندلایه؛ مدل‌های سری زمانی
آمار
تعداد مشاهده مقاله: 2,021
تعداد دریافت فایل اصل مقاله: 1,847


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب