ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر و تعرق مرجع

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

 ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر و تعرق مرجع دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر و تعرق مرجع  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 ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر و تعرق مرجع،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر و تعرق مرجع :

نام کنفرانس، همایش یا نشریه : علوم کشاورزی

تعداد صفحات :۱۴

تخمین درست تبخیر و تعرق مرجع (ET0) به عنوان یکی از عمده ترین اجزاء چرخه هیدرولوژیکی، در مطالعات، طراحی و مدیریت سیستم های آبیاری حائز اهمیت فراوان است. لکن تعدد پارامترهای مورد نیاز در محاسبه تبخیر و تعرق از یکسو و عدم اندازه گیری برخی پارامترها از سوی دیگر، تخمین درست آن را در برخی مناطق با مشکل مواجه کرده است. هدف از این تحقیق، ارزیابی عملکرد شبکه های عصبی مصنوعی (ANN) در کاهش پارامترهای مورد نیاز برای برآورد تبخیر و تعرق مرجع (ET0) و مقا یسه آن با روش هایی چون فائو پنمن مانتیس، بلانی کریدل، جنسن هیز اصلاح شده و هارگریوز سامانی می باشد. برای این منظور از شبکه های پرسپترون چند لایه، قانون یاد گیری پس انتشار خطا و داده های روزانه ایستگاه مهرآباد تهران، طی سال های ۱۹۹۱ تا ۲۰۰۰ میلادی استفاده شد. روش فائو پنمن مانتیس به عنوان روش استاندارد انتخاب و به کمک پارامترهای (n ,U2 ,RHmax ,Rn ,Tdew ,Tmin ,Tmax)، ۱۱ مدل ANN با ساختارهای متفاوت طراحی گردید. انتخاب مدلهای ANN مطلوب با استفاده از معیارهای MBE ,MAE ,R2 ,RMSE صورت گرفت. بر اساس نتا یج به دست آمده مدل ANN1 با پارامترهای (,RHmean ,U2 ,Rn ,Tmean) و مدل ANN10 با تنها یک پارامتر ورودی (Tmean) بیشترین و کمترین دقت را در برآورد ET0 به همراه داشتند. از طرفی دو پارامتر دما و سرعت باد به عنوان موثرترین فاکتورها در دقت برآورد مدل های ANN شناسایی شد. به طور کلی هرچند با کاهش پارامترهای ورودی از دقت مدل های ANN کاسته می شود ولی نتایج بدست آمده حاکی ازعملکرد مطلوب شبکه های عصبی در کنارروش های چون فائو پنمن مانتیس، بلانی کریدل، جنسن هیز اصلاح شده و هارگریوز سامانی است. از اینرو مدل های ANN می توانند در شرایط فقدان اطلاعات کافی، راهکار مناسب تری نسبت به روش های تجربی به شمار روند.

کلید واژه: تبخیر و تعرق، شبکه های عصبی مصنوعی، فائو پنمن مانتیس