مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع

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

  مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع دارای ۱۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه 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 مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع :

مقاله ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع که چکیده‌ی آن در زیر آورده شده است، در خرداد و تیر ۱۳۸۹ در آب و خاک (علوم و صنایع کشاورزی) از صفحه ۲۹۷ تا ۳۰۵ منتشر شده است.
نام: ارزیابی سیستم های هوشمند عصبی در کاهش پارامترهای تخمین تبخیر تعرق گیاه مرجع
این مقاله دارای ۹ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله تبخیر تعرق گیاه مرجع
مقاله آزمون پیرسون
مقاله مدل های هوشمند
مقاله همدان

چکیده و خلاصه‌ای از مقاله:
مطالعه حاضر به منظور استفاده از حداقل پارامترهای هواشناسی در پیش بینی تبخیر تعرق گیاه مرجع در منطقه همدان برای سال های ۱۳۷۶ و ۱۳۷۷ صورت گرفته است. بدین منظور، با استفاده از آزمون پیرسون، شش پارامتر هواشناسی مورد نیاز در روش پنمن مانتیث فایو-۵۶ که شامل دماهای حداکثر و حداقل، مقادیر رطوبت نسبی حداقل و حداکثر، سرعت باد در ارتفاع دو متری و ساعت آفتابی روزانه می شوند، به صورت چهار سناریوی اطلاعاتی با یکدیگر ترکیب و به کاربرده شدند (که تحت عنوان شماره ۱، ۲، ۳ و ۴ نام گذاری شدند). با اعمال این سناریوها بر مدل های هوشمند شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) در محیط نرم افزاری MATLAB، تبخیر تعرق گیاه مرجع منطقه تخمین گردید. به منظور ارزیابی نتایج هر یک از سناریوهای مورد استفاده، از مقادیر واقعی تبخیر تعرق مرجع (لایسیمتری) استفاده شد. نتایج نشان داد که افزایش تعداد اطلاعات در لایه ورودی لزوما منجر به بهبود نتایج مدل های هوشمند نمی شود. سناریوی اطلاعاتی شماره ۲ که شامل سه پارامتر دمای حداقل و حداکثر هوا و ساعت آفتابی روزانه بود، در هر دو مدل ANN و ANFIS برآوردهای معقول و یکسانی در بر داشت. در این سناریو مقادیر حداقل معیار مجذور میانگین مربعات خطا (RMSE)، میانگین مطلق خطا (MAE) و حداکثر ضریب تعیین (R^۲) در مرحله آزمایش به ترتیب معادل ۰۹/۰ و ۰۷/۰ میلی متر بر روز و ۹۰/۰ بودند. در مجموع بین نتایج شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی- فازی از نظر آماره های خطاسنجی اختلاف قابل ملاحظه ای مشاهده نشد. ضمن آن که این دو نسبت به نیاز اطلاعاتی در لایه ورودی خود دارای حساسیت یکسان بودند. مدل شبکه عصبی پس از ۲۶ تکرار محاسباتی در مقایسه با سیستم استنتاج تطبیقی عصبی- فازی که با ۴۰ تکرار محاسباتی بود، سریع تر به جواب مناسب دست یافت. همچنین برآوردهای شبکه های عصبی با روش استاندارد پنمن مانتیث نیز مقایسه گردید، که نشان دهنده دقت و توانمندی قابل ملاحظه مدل های هوشمند (RMSE معادل ۰۹/۰ میلی متر بر روز) نسبت به روش استاندارد (RMSE معادل ۳۴/۰ میلی متر بر روز)، برای تخمین تبخیر تعرق گیاه مرجع می باشد.