چکیده مقاله
تبخیر و تعرق ETo یکی از مهمترین فرآیندها در چرخه هیدرولوژیکی است که کاربرد ویژه ای در مدیریت پایدار منابع آب دارد مطالعه حاضر با هدف ارزیابی توانایی تخمین تبخیر و تعرق روزانه در اقلیم نیمه مرطوب با استفاده از یک مدل ترکیبی شامل شبکه عصبی مصنوعی ANN ادغام شده با الگوریتم بهینه سازی شعله پروانه ANN MFO انجام می شود داده های روزانه هواشناسی از ایستگاه سینوپتیک شهرستان گرگان، طی دوره ۲۰۰۰ تا ۲۰۲۳ برای آموزش مدل، آزمایش و اعتبار سنجی استفاده شد دقت پیش بینی مدل پیشنهادی با سایر الگوریتم های پیشرفته، از جمله الگوریتم ازدحام ذرات ANN PSO و الگوریتم ژنتیک گرهی ANN GA مقایسه شد نتایج نشان داد که در شرایط استفاده از حداقل پارامتر هواشناسی، مدل هیبریدی ANN MFO پیشنهادی در کلیه ترکیبات ورودی کارآمدتر بوده و سطوح شبیه سازی بالایی دارد، به طوری که با استفاده از پارامترهای دما و سرعت باد، معیارهای ارزیابی مدل ANN MFO به صورت ۰/۹۸۸=R۲ و ۰/۰۰۰۳=MSE و با استفاده از پارامترهای ورودی کامل، معادل ۰/۹۹۹=R۲ و ۰/۰۰۰۰=MSE به دست آمد با توجه به دقت پیش بینی بالا و خطای کم، مدل ترکیبی پیشنهادی می تواند یک تکنیک امیدوارکننده در نظر گرفته شود
کلیدواژهها
نویسندگان
معین توسن
دانشجوی دکتری منابع آب، دانشگاه بیرجند
عباس خاشعی سیوکی
استاد گروه علوم و مهندسی آب، دانشگاه بیرجند
علی ماروسی
استادیار گروه مهندسی کامپیوتر، دانشگاه تربتحیدریه
نسرین خوش نواز
دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشگاه تربتحیدریه
محمدرضا قریب
دانشیار گروه مهندسی مکانیک، دانشگاه تربتحیدریه
شیوه ارجاع
�وسن، معین و خاشعی سیوکی، عباس و ماروسی، علی و خوش نواز، نسرین و قریب، محمدرضا،1402،بررسی عملکرد مدل هیبریدی شبکه عصبی شعله پروانه (ANN-MFO) در تخمین تبخیر و تعرق مرجع در اقلیم نیمه مرطوب (مطالعه موردی: ایستگاه سینوپتیک گرگان)،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر
ارائهشده در
مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر