مقاله ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر

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

  مقاله ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر  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 ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر :

تعداد صفحات:۱۲

چکیده:

با توجه به بحران آب موجود و صرف بیش از ۹۴ درصد از آب کشور در بخش کشاورزی بهتر است علاوه بر مکانیزه نمودن سیستمهای آبیاری، در برآورد نیاز آبی واقعی گیاه تجدید نظر شود. این امر با پیش بینی نزولات جوی در فصول رشد امکان پذیر است. در طراحی سیستمهای آبیاری باید به این نکته توجه داشت که کل بارندگی رخ داده برای گیاه قابل استفاده نبوده و بخشی از بارندگی به رواناب و بخشی به اعماق خاک نفوذ کرده و تنها بخشی از آن که باران موثر است قادر به رفع تنش آبیگیاه بوده و در رشد آن تأثیر گذار است. در این تحقیق از قابلیت سیستم استنتاج تطبیقی عصبی- فازی ANFIS و شبکه های عصبی مصنوعی ANNs ، برای برآورد باران موثر در قائمشهر استفاده شد. به منظور ارزیابی کارایی مدلها، نتایج روش SCS با خروجی مدلهای مورد مطالعه مقایسه شد. نتایج نشان می دهد که مقادیر R^2 برای ANNs و ANFIS به ترتیب برابر ۰/۹۹۹ و ۰/۹۹۸۱ و مقادیر RMSE به ترتیب ۰/۰۵۶ و ۰/۳۸ میلیمتر است. همچنین مدل ANNs علاوه بر دقت برآورد بالا، دارای پیچیدگیهای ساختاری کمتر و گستردگی بیشتر محدوده کاربرد، بر مدل ANFIS برتری دارد.