مقایسه چند روش برآورد تبخیر روزانه از تشت – مطالعه موردی منطقه کرمان

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

 مقایسه چند روش برآورد تبخیر روزانه از تشت – مطالعه موردی منطقه کرمان دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه چند روش برآورد تبخیر روزانه از تشت – مطالعه موردی منطقه کرمان  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 مقایسه چند روش برآورد تبخیر روزانه از تشت – مطالعه موردی منطقه کرمان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه چند روش برآورد تبخیر روزانه از تشت – مطالعه موردی منطقه کرمان :

نام کنفرانس، همایش یا نشریه : علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)

تعداد صفحات :۲۰

در این تحقیق، با استفاده از داده های مشاهده شده تشت کلاس A، کاربرد روش های رگرسیون غیر خطی، شبکه های عصبی مصنوعی، سیستم استنتاج فازی – عصبی و همچنین روش تجربی استیفنز – استوارت، جهت برآورد تبخیر روزانه منطقه کرمان مورد بررسی قرار گرفت. در روش های شبکه عصبی مصنوعی، سیستم استنتاج فازی – عصبی و رگرسیون غیر خطی، مقادیر دما، فشار، رطوبت نسبی، تابش خورشیدی و سرعت باد، با پنج ترکیب مختلف به عنوان متغیرهای ورودی و تبخیر از تشت به عنوان متغیر خروجی به کار گرفته شد. به منظور ارزیابی کارایی روش های به کار رفته، ضمن مقایسه مقادیر برآورد شده و مشاهده شده، هم چنین از شاخص های آماری ضریب تعیین (R2)، جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE) استفاده گردید. با توجه به داده های مورد استفاده مقادیر میانگین ماهانه و سالانه تبخیر منطقه به ترتیب ۲۷۲ و ۳۲۶۳ میلی متر است. نتایج این تحقیق نشان داد که روش فازی – عصبی نسبت به بقیه روش ها، از دقت بیشتری برای برآورد تبخیر از تشت برخودار است. در این مدل، که در آن از تمام متغیرهای ورودی استفاده شده، مقادیر R2، RMSE و MAE در مرحله آزمون به ترتیب ۰.۸۵، ۱.۶۱ (میلی متر در روز) و ۱.۲۴ (میلی متر در روز) است. تحلیل حساسیت متغیرهای ورودی روش فازی – عصبی نشان داد که مقادیر دما و سرعت باد (به عنوان متغیرهای ورودی) به ترتیب بیشترین تاثیر را بر تبخیر دارا هستند. هم چنین با توجه به دقت کم مدل استیفنز – استوارت، سعی شد که مقادیر ضرایب تجربی آن با استفاده از داده های تابش و دما اصلاح گردد، که نتایج مطلوبی به دست نیامد.

کلید واژه: برآورد تبخیر، فازی – عصبی، شبکه عصبی مصنوعی، رگرسیون غیر خطی، روش استیفنز – استوارت