| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,188 |
| تعداد مقالات | 35,336 |
| تعداد مشاهده مقاله | 51,458,207 |
| تعداد دریافت فایل اصل مقاله | 91,331,907 |
کاربرد سیستمهای استنتاج عصبی - فازی تطبیقی و برنامهریزی ژنتیک برای برآورد تبخیر تعرق ماهانه در شمالغرب ایران | ||
| پژوهش آب در کشاورزی | ||
| مقاله 9، دوره 29، شماره 2، تیر 1394، صفحه 235-247 اصل مقاله (1.09 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/jwra.2015.101677 | ||
| نویسندگان | ||
| فرشاد احمدی* 1؛ سجاد آیشم2؛ کیوان خلیلی3؛ جواد بهمنش4 | ||
| 1دانشجوی دکتری مهندسی منابع آب دانشگاه شهید چمران اهواز . | ||
| 2دانشجوی کارشناسی ارشد منابع آب دانشگاه ارومیه. | ||
| 3استادیار گروه مهندسی آب دانشگاه ارومیه. | ||
| 4دانشیار گروه مهندسی آب دانشگاه ارومیه. | ||
| چکیده | ||
| تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی است که تخمین دقیق آن در طراحی و مدیریت سیستمهای آبیاری، شبیهسازی تولیدات گیاهی و مدیریت منابع آب ضروری است. در این مطالعه به منظور برآورد تبخیر و تعرق گیاه مرجع با استفاده از دو مدل برنامهریزی ژنتیک (GP) و سیستم استنتاج عصبی - فازی تطبیقی (ANFIS) در مقیاس زمانی ماهانه، 6 ایستگاه سینوپتیک در منطقه شمالغرب کشور در دوره آماری 38 ساله (2010-1973) انتخاب شد. در ابتدا مقادیر تبخیر تعرق ماهانه گیاه مرجع برای ایستگاههای منتخب توسط روش فائو- پنمن- مونتیث محاسبه و به عنوان خروجی مدلها در نظر گرفته شد. سپس یک رابطه رگرسیونی بین متغیرهای اقلیمی مختلف موثر در پدیده تبخیر و تعرق به دست آمد و الگوهای مختلف ورودی برای مدلهای مورد استفاده مشخص گردید که بر این اساس رطوبت نسبی با داشتن کمترین تاثیر از ورودیها حذف شد. همچنین در مطالعه حاضر سعی گردید تا نقش حافظه در پیشبینی تبخیر تعرق ماهانه گیاه مرجع بررسی و از تاخیرهای یک، دو، سه و چهار ماهه نیز به عنوان ورودی برای مدلها استفاده شد. به طور کلی برای هر مدل 9 الگوی ورودی ایجاد شد که نتایج حاصله نشان دهنده دقت بالا و خطای کم هر دو مدل در پیشبینی تبخیر تعرق ماهانه گیاه مرجع بوده و کارآیی مدلANFISبهتر از روش GP بود. | ||
| کلیدواژهها | ||
| برنامهریزی ژنتیک؛ تبخیر و تعرق مرجع؛ سیستم استنتاج عصبی- فازی تطبیقی | ||
| عنوان مقاله [English] | ||
| Application of ANFIS and GP Models to Estimate Monthly Reference Crop Evapotranspiration in Northwest of Iran | ||
| نویسندگان [English] | ||
| F A1؛ S A2؛ K KH3؛ J B4 | ||
| چکیده [English] | ||
| Evapotranspiration is one of the important components of hydrological cycle whose accurate estimate is needed for design and management of irrigation systems, simulation of crops products, and programming water resources management. In this research, to predict monthly reference evapotranspiration, ANFIS and GP models were employed and 38 years (1973-2010) of data were collected from six synoptic weather stations located in the northwest of Iran. At first, monthly reference evapotranspiration was estimated by FAO-Penman-Montieth method for the selected stations and was considered as the output of GP and ANFIS models. Then, a regression equation between effective meteorological parameters and evapotranspiration was fitted and different input patterns for the models were determined. Relative humidity as the less effective parameter was deleted from input of the models. Also, in this study, to investigate effect of “memory” on prediction of evapotranspiration, one, two, three and four months lags were used as the input of the models. Results showed that both models estimated monthly evapotranspiration with high accuracy, but ANFIS model was better than GP model. | ||
|
آمار تعداد مشاهده مقاله: 1,888 تعداد دریافت فایل اصل مقاله: 1,714 |
||