مقاله پیشبینی تبخیر-تعرق مرجع روزانه با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله پیشبینی تبخیر-تعرق مرجع روزانه با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیشبینی تبخیر-تعرق مرجع روزانه با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی 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 مقاله پیشبینی تبخیر-تعرق مرجع روزانه با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیشبینی تبخیر-تعرق مرجع روزانه با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی :
تعداد صفحات :۲۱
تبخیر-تعرق گیاه مرجع یکی از مهمترین و مؤثرترین عوامل در بهینهسازی مصرف آب کشاورزی و مدیریت منابع آب میباشد. پیشبینی تبخیر-تعرق مرجع روزانه میتواند در پیشبینی نیاز آبی گیاهان و برنامهریزی کوتاهمدت آبیاری مورد استفاده قرار گیرد. در سالهای اخیر استفاده از شبکههای عصبی مصنوعی و مدل هیبریدی موجک-عصبی در پیشبینی پارامترهای هیدرولوژیکی بسیار متداول شده است. هدف تحقیق حاضر استفاده از مدلهای شبکه عصبی مصنوعی و موجک-شبکه عصبی در پیشبینی تبخیر-تعرق مرجع در بازه ۱ تا ۲۸ روز در ایستگاه همدیدی تبریز و مقایسه بین آنها میباشد. بدین منظور یک دوره آماری ۱۰ ساله {(۲۰۰۰ الی ۲۰۰۹) که ۷ سال (۲۰۰۰-۲۰۰۶) آن برای آموزش و ۳ سال (۲۰۰۷-۲۰۰۹) }جهت آزمون و صحت سنجی مدلهای پیشنهادی} در نظر گرفته شد. برای ایجاد سری زمانی تبخیر-تعرق مرجع روزانه در دوره موردنظر با استفاده از معادله استاندارد پنمن-مانتیث فائو ۵۶ محاسبه گردید. ترکیبهای متفاوتی از دادههای ورودی (تأخیرهای مختلف) و انواع موجکهای مادر مورد ارزیابی قرار گرفت. نتایج پیشبینی تبخیر-تعرق مرجع برای یک روز آینده، نشان داد که مدل ترکیبی موجک-عصبی (mm/day 07/0 RMSE= و ۹۹۹/0R=) در مقایسه با مدل شبکه عصبی مصنوعی (mm/day 69/0 RMSE= و ۹۶۴/۰ R=) دارای توانایی و دقت بالاتری در پیشبینی تبخیر-تعرق روزانه برای یک روز آینده میباشد. همچنین نتایج نشان داد که استفاده از تأخیرهای زمانی ۱ تا ۷ (M7) و ۱ تا ۶ (M6) روزه بالاترین دقت را ارائه میدهند و استفاده از تأخیرهای کمتر و تأخیرهای یکساله دوساله دقت مدل را کاهش میدهند. بررسی انواع موجکهای مادر نیز نشان داد که پیش پردازش دادهها با موجک میر به دلیل پیچیدگی بیشتر و تشابه به سری زمانی تبخیر-تعرق مرجع، میتواند موجب افزایش دقت، پیشبینی گردد. برای پیشبینی تبخیر-تعرق مرجع در ۲ تا ۲۸ روز آینده، مدل موجک-شبکه عصبی پیشنهادی مورد استفاده قرار گرفت. نتایج نشان داد که با بیشتر شدن زمان پیشبینی از ۲ تا ۲۸ روز، دقت مدلها کاهش (R از ۹۹۷/۰ برای ۲ روز تا ۹۲۹/۰ برای ۲۸ روز) مییابد. همچنین در پیشبینیهای ۲ تا ۱۲ روزه استفاده از تأخیرهای سالانه موجب کاهش دقت مدل گردید، درحالیکه در پیشبینیهای ۱۳ تا ۲۸ روزه استفاده از تأخیر زمانی سالانه افزایش دقت مشاهده گردید. در نهایت برای مقایسه مدلها از نظر آماری، آزمونهای t و F برای مقایسه میانگین و واریانس انجام گرفت. نتایج مقایسه نشان داد که کلیه مدلهای پیشنهادی در سطوح ۹۹ و ۹۵ درصد تفاوت معنیداری وجود ندارد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.