مقاله شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs  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 شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله شبیه سازی تبخیر از ایستگاه هواشناسی زهک با استفاده از شبکه های عصبی مصنوعی((ANNs :

تعداد صفحات:۱۲

چکیده:

تبخیر پارامتری است که در بررسی منابع آب‌یک منطقه علاوه بر کمیت آب موجود، بر کیفیت آن نیز تأثیر گذار است. اهمیت این پارامتر در مناطقی از ایران که دارای اقلیم خشک ونیمه خشک بوده و مشکل کم آبی نیز وجود دارد، دو چندان می‌گردد.. بررسی اقلیمی سیستان نشان می‌دهد که بطور طبیعی استعداد زیادی برای تبخیر وجود دارد. بالا بودن درجه حرارت و وزش بادهای پیوسته و شدید، به همراه پایین بودن رطوبت نسبی، تبخیر آب را نسبت به سایر مناطق افزایش می‌دهد. دراین تحقیق، ‌یک مدل شبکه عصبی تبخیر از سطح آزاد آب برای ایستگاه هواشناسی زهک گسترش می‌یابد. هدف اصلی ایجاد مدل مزبور، شبیه سازی تغییرات پارامترهای دما حداقل و حداکثر، سرعت باد حداقل و حداکثر، رطوبت نسبی حداقل و حداکثر و ساعات آفتابی در ایستگاه می‌باشد، تا بتوان ازآن به منظور آنالیز سریع تبخیر درمنطقه استفاده نمود. به طور کلی در این تحقیقکاراییمدل Qnet 2000 Neural Network Modeling در شبیه‌سازی پارامتر تبخیر در بازه زمانی روزانه مورد بررسی قرار گرفت. پس از اجرای برنامه مذکور نتایج تحلیل آماری %۴۳۸/۵RMSE=، ۸۷/۰ d= ،۵۷/۱MAE=حاصل گردید.با مقایسه نتایج حاصل از مدل شبکه عصبی، با داده‌های اندازه‌گیری تبخیر مشاهده گردیدکه مدل دارای ضریب تبیینِ ۹۳/۰=R2 میباشد. نتایج همچنین نشان داد که پارامتر سرعت باد ماکزیممروی عملکرد بهتر مدل شبکه عصبی تاثیرکمتری نسبت به سایر پارامترها دارد.