برآورد میزان تبخیر روزانه با استفاده از شبکه عصبی مصنوعی در شهرستان های شیراز و زرقان

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 43

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JZPM-12-46_001

تاریخ نمایه سازی: 18 بهمن 1402

چکیده مقاله:

تبخیر یکی از مهمترین اجزای چرخه هیدرولوژی می باشد که نقش بسیار مهمی در مدیریت منابع آب و محیط زیست دارد. اطلاع از میزان هدر رفت آب در اثر فرآیند تبخیر در یک منطقه بالاخص در مناطق خشک و نیمه خشک که با کمبود منابع آب مواجه هستند، یکی از مهمترین اصول مدیریتی در برنامه ریزی منطقه ای است. هدف از انجام این تحقیق ارزیابی دقت روش شبکه عصبی مصنوعی در برآورد تبخیر روزانه در ایستگاه هواشناسی شهرستان شیراز و قابلیت تعمیم آن در ایستگاه هواشناسی شهرستان زرقان واقع در استان فارس می باشد. برای این منظور تعداد ۱۷۷۵ داده هواشناسی روزانه شامل دما، رطوبت نسبی، سرعت باد، ساعت آفتابی جمع آوری و مقدار تبخیر روزانه با استفاده از چهار مدل شبکه عصبی مصنوعی برآورد گردید. جهت مدل سازی در این تحقیق از شبکه عصبی پرسپترون چند لایه و تابع سیگموئیدی استفاده گردید. نتایج بدست آمده از چهار مدل شبکه عصبی مصنوعی بر اساس معیارهای ضریب تعیین (R۲)، ضریب ناش-ساتکلیف (NSC) و مجذور میانگین مربعات خطا (RMSe) مورد ارزیابی قرار گرفتند. نتایج نشان داد که در ایستگاه هواشناسی شیراز مدل ۴ با ساختار ۱-۶-۵ نرون، دارای RMSe کمتر و R۲ و NSC بالاتر در هر دو مرحله آموزش و آزمون نسبت به دیگر مدل ها می باشد و به عنوان مدل برتر جهت پیش بینی میزان تبخیر روزانه در شهرستان شیراز انتخاب گردید. نتایج حاصل از تعمیم پذیری مدل ۴ با ساختار ۱-۶-۵ در ایستگاه هواشناسی زرقان نیز نشان از دقت بالای این مدل در پیش بینی تبخیر روزانه در این ایستگاه دارد. بنابراین می توان از مدل ۴ به عنوان مدل مناسب جهت پیش بینی مقادیر تبخیر روزانه در شهرستان زرقان برای دوره هایی که اندازه گیری تبخیر انجام نشده است، استفاده نمود.

نویسندگان

محمد شعبانی

استادیار گروه مهندسی آب، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، 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 :
  • Alsumaiei A A. (۲۰۱۹). Utility of Artificial Neural Networks in ...
  • Babita, M, Diwakar, N. (۲۰۲۱). Pan evaporation modeling in different ...
  • Biazar, S M, Ghorbani, M A, Shahedi, K. (۲۰۱۹). Uncertainty ...
  • Chang, F J, Sun, W, Chung, C H. (۲۰۱۳). Dynamic ...
  • Dehghani, A A, Piri, M, Hesam, M, Dehghani, D. (۲۰۱۱). ...
  • Dou,X, Yang, Y. (۲۰۱۸). Evapotranspiration estimation using four different machine ...
  • Goel, A. (۲۰۰۹). ANN based modeling for prediction of evaporation ...
  • Kashefipour, S M. (۲۰۰۳). Use of Artificial Neural Networks (ANNs) ...
  • Khrshieddoust, A M, Mirhashemi, H, Nazari, M. (۲۰۱۹). Estimating evapotranspiration ...
  • Kişi, Ö. (۲۰۱۳). Evolutionary neural networks for monthly pan evaporation ...
  • Landeras, G, Ortiz-Barredo, A, Lopez, J J. (۲۰۰۸). Comparison of ...
  • Maier, H R, Dandy, G C. (۲۰۰۰). Neural networks for ...
  • Mansouri, N. (۲۰۱۲). Environmental Pollution (Air, Water and Wastewater, Solid ...
  • Mohamadi, S, Ehteram,M, El‑Shafie, A. (۲۰۲۰. Accuracy enhancement for monthly ...
  • Nourani, V, Elkiran, G, Abdullahi, J. (۲۰۱۹). Multi-station artificial intelligence-based ...
  • Nourani, V, Sayyah Fard, M. (۲۰۱۳). Sensitivity Analysis of ANN ...
  • Piri, J, Mohammadi, K, Shamshirband, S, Akib, S. (۲۰۱۶). Expression ...
  • Qasem, S N, Samadianfard S, Kheshtgar, S, Jarhan, S. (۲۰۱۹). ...
  • Razavizadeh, S, Dargahian, F. (۲۰۱۹). Optimization of Artificial Neural Network ...
  • Shamsodini, A, Shakoor, A, Gorjian, P. (۲۰۱۳). An analysis of ...
  • Tabari, H, Marofi, S, Savziparvar, A A. (۲۰۱۰). Estimation of ...
  • Wang, K, Dickinson, R E. (۲۰۱۲). A review of global ...
  • Wang, L, Kisi, O, Zounemat-Kermani, M, Li, H. (۲۰۱۷). Pan ...
  • Warnaka, K, Pochop, L. (۱۹۸۸). Analyses of equations for freewater ...
  • Yang, C T, Marsooli, R, Aalami, M T. (۲۰۰۹). Evaluation ...
  • نمایش کامل مراجع