توسعه مدل ترکیبی رگرسیون چندگانه – تحلیل مولفه ها و عامل های اصلی (MLR-PCA) در پیش بینی تبخیر – تعرق مرجع (مطالعه موردی: ایستگاه کرمان)
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
توسعه مدل ترکیبی رگرسیون چندگانه – تحلیل مولفه ها و عامل های اصلی (MLR-PCA) در پیش بینی تبخیر – تعرق مرجع (مطالعه موردی: ایستگاه کرمان) دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد توسعه مدل ترکیبی رگرسیون چندگانه – تحلیل مولفه ها و عامل های اصلی (MLR-PCA) در پیش بینی تبخیر – تعرق مرجع (مطالعه موردی: ایستگاه کرمان) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی توسعه مدل ترکیبی رگرسیون چندگانه – تحلیل مولفه ها و عامل های اصلی (MLR-PCA) در پیش بینی تبخیر – تعرق مرجع (مطالعه موردی: ایستگاه کرمان)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن توسعه مدل ترکیبی رگرسیون چندگانه – تحلیل مولفه ها و عامل های اصلی (MLR-PCA) در پیش بینی تبخیر – تعرق مرجع (مطالعه موردی: ایستگاه کرمان) :
نام کنفرانس، همایش یا نشریه : آب و خاک (علوم و صنایع کشاورزی)
تعداد صفحات :۱۴
تبخیر – تعرق مرجع یکی از پارامترهای مهم در مدیریت آبیاری گیاهان است. تبخیر – تعرق مرجع یک پدیده چند متغیره و پیچیده می باشد که چندین متغیر هیدرولوژیکی آن را تحت تاثیر قرار می دهند و معمولا بر مبنای پایگاه داده های هواشناسی چند ساله با استفاده از مدل های نیمه تجربی برآورد می شود. اهمیت کاربردی تخمین دقیق تبخیر – تعرق مرجع، پیچیدگی و ناشناخته بودن ریاضیات پدیده، لزوم استفاده از روش های جدید داده کاوی را نشان می دهد. به همین دلیل در این مقاله، امکان برآورد تبخیر – تعرق مرجع با استفاده از مدل ترکیبی رگرسیون چندگانه و تحلیل مولفه های اصلی (MLR-PCA) بررسی شد و اهمیت نسبی متغیرهای موثر بر تبخیر – تعرق مرجع با استفاده از تحلیل عاملی مورد ارزیابی قرار گرفت. داده های هواشناسی روزانه سال های ۲۰۰۵-۱۹۹۶ ایستگاه سینوپتیک کرمان در این تحلیل استفاده شد. دو مولفه PC1 و PC2 که ۸۰ درصد واریانس کل را شرح دادند به عنوان مولفه های اصلی و بقیه به عنوان اختلال در نظر گرفته شدند. با استفاده از مولفه های اصلی استخراج شده، مدل رگرسیون خطی چندگانه برای تخمین تبخیر – تعرق مرجع ارایه شد. آماره t برای مقدار ثابت و برای هر یک از مولفه های اصلی تعیین گردید که طبق نتایج، تمامی ضرایب در سطح ۵ درصد معنی دار بودند. طبق نتایج، PC1 اهمیت بیشتری نسبت به مولفه دیگر دارد و در مرحله بعدی PC2 دارای اهمیت می باشد و بنابراین مقادیر متغیرهای شدت تابش، رطوبت نسبی، ساعات آفتابی، دمای حداقل و دمای حداکثر برای برآورد تبخیر – تعرق از اهمیت بیشتری نسبت به سایر متغیرها برخوردارند. مقادیر ضریب همبستگی روش های MLR-PCA و MLR بر اساس مبنای مقایسه ای فائو – پنمن – مانتیث در مرحله آزمون، به ترتیب ۰.۸۲۰ و ۰.۸۴۰ بدست آمد که این مقادیر اختلاف چندانی نداشته و بیانگر توانایی روش PCA کاهش تعداد متغیرهای مورد استفاده است.
کلید واژه: تبخیر – تعرق مرجع، فائو – پنمن- مانتیث، رگرسیون چندگانه، تحلیل مولفه اصلی، تحلیل عاملی
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.