مقاله کنفرانسی سال ۱۳۸۵ فارسی

تهیه مدل ANN در تخمین فرآیند تبخیر و تعرق مرجع بکمک داده های تشتک تبخیر

چکیده مقاله

محدودیت منابع آب از مهمترین عواملی است که توسعه کشاورزی را در مناطق خشک و نیمه خشک تحت تاثیر قرار می دهد از طرفی استفاده بهینه از منابع موجود خود مستلزم محاسبه درست میزان آب مصرفی و نظارت دقیق بر چگونگی بیلان آب در حوزه های مورد مطالعه می باشد از این رو برآورد صحیح میزان تبخیر و تعرق به عنوان یکی از ارکان اساسی در برنامه ریزی و مدیریت منابع آب از اهمیت و درجه اثر گذاری بالایی برخوردار است عمده ترین مشکل در این زمینه کثرت اطلاعات مورد نیاز در روشهایمحاسباتی دقیق چون فائو پنمن مانتیس، و فقدان این اطلاعات است که ضرورت استفاده از روشهای دیگر را سبب می شود استفاده از داده های تشتک تبخیر بدلیل کثرت آن در مقایسه با ایستگاه های سینوپتیک می تواند یکی از روشهای برآورد تبخیر و تعرق باشد که دخالت ضریب Kp از دقت برآورد مدل کاسته است بگونه ای که بر اساس مطالعات انجام شده در میان 20 روش موجود، این روش جایگاه آخر را بخود اختصاص میدهد پژوهش حاضر می کوشد تا ضمن مدل نمودن روش تشتک تبخیر توسط شبکه های عصبی مصنوعی، قابلیت این مدل ها را در استخراج ضرایب Kp مورد بررسی قرار داده و منجر به ارائه راهکار مطلوب تری در حوزه های با آمار ناکافی گردد مدل های مورد استفاده در این تحقیق از نوع پرسپترون چند لایه با قانون یادگیری پس از انتشار خطا بوده که بر روی آمار روزانه ایستگاه سینوپتیک هواشناسی طی سالهای 1990 تا 2000 میلادی اعمال شده است پس از طراحی شبکه های مورد نظر، نتایج بدست آمده از هر شبکه به لحاظ شاخصهای آماری RMSE, MBE, MAE, R2, b, SEE, SE با نتایج بدست آمده از روشهای فائو پنمن مانتیس ، تشتک تبخیر، بلانی کریدل ، هارگریوز سامانی و جنسن هیز اصفلاح شده مقایسه گردید در گام دیگر از شبکه عصبی مصنوعی جهت تعیین ضریب Kp استفاده، و خروج مدل با ضرایب استخراج شده از جداول پیشنهادی فائو مقایسه شد بر اساس نتایج بدست آمده ، عملکرد بسیار عالی شبکه های عصبی مصنوعی در مقایسه با روش تشتک تبخیر به روشنی می تواند استفاده از ضریب تشتک را در شرایطی که داده های موجود جهت طراحی شبکه ها کفایت می کنند، منسوخ سازد چرا که نتایج حاصله از مدل ها به لحاظ شاخص های در نظر گرفته شده، به مراتب بهتر از زمانی بود که ازجداول پیشنهادی سازمان فائو استفاده شد

کلیدواژه‌ها

نویسندگان

تصویر عارف بهمنی

عارف بهمنی

کارشناس ارشد آبیاری و زهکشی، اداره کل منابع طبیعی استان کردستان

تصویر پرویز فتحی

پرویز فتحی

استادیار گروه آبیاری دانشکده کشاورزی دانشگاه کردستان

شیوه ارجاع

�همنی، عارف و کوچک زاده، مهدی و فتحی، پرویز،1385،تهیه مدل ANN در تخمین فرآیند تبخیر و تعرق مرجع بکمک داده های تشتک تبخیر،دومین کنفرانس مدیریت منابع آب،اصفهان

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس مدیریت منابع آب مجموعه مقالات دومین کنفرانس مدیریت منابع آب3 بهمن 1385 · اصفهان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۸۵ ۸,۳۲۵ مشاهده

ارائه شیوه جدید به منظور آبیاری درختان میوه و گیاهان ردیفی در جهت بهینه سازی انتقال و مصرف

با توجه به پدیده رشد جمعیت بویژه در کشورهای در حال توسعه وافزایش روز افزون تقاضا ونیاز به مواد غذایی و ا…

آبیاری بهینه سازی انتقال و مصرف
مقاله کنفرانسی سال ۱۳۸۵ ۷,۹۳۳ مشاهده

کاربرد مدل های الگوریتم ژنتیک و شبکه های عصبی مصنوعی در مدیریت کمی- کیفی منابع آب زیرزمینی

شهر کاشان یکی از مهمترین شهرهای مرکزی ایران، واقع در کویر مرکزی است که میزان سالانه آب آن برای مصارف شهر…

الگوریتم ژنتیکآبخوان کاشانبرنامه ریزی کمی و کیفی
مقاله کنفرانسی سال ۱۳۸۵ ۶,۹۶۵ مشاهده

مروری بر مطالعات انجام شده در خصوص آلودگی منابع آب زیرزمینی در ایران

آب از اصلی ترین عوامل محدودیت در دستیابی به توسعه پایدار است بخصوص در مواردی که علاوه بر محدودیت های کمی…

منابع آب تجدیدشوندهشاخص کمیابی آباستانداردهای منابع آب
مقاله کنفرانسی سال ۱۳۸۵ ۶,۵۲۵ مشاهده

معرفی و کاربرد مدل QUAL2K جهت شبیه سازی کیفیت آب رودخانه ها

انجام تحقیقاتی جامع پیرامون کیفیت آب رودخانه ها با استفاده از ابزارهای مدیریتی همچون مدلهای ریاضی و کامپ…

کیفیت آبQUAL2Kشبیه سازی
مقاله کنفرانسی سال ۱۳۸۵ ۶,۴۴۳ مشاهده

پیش بینی بلند مدت بارش با استفاده از سیگنال های هواشناسی، کاربرد شبکه های عصبی مصنوعی (منطقه جنوب شرق ایران)

پیش بینی بلند مدت بارش در برنامه ریزی و مدیریت منابع آب، خصوصا در مناطق با اقلیم خشک و نیمه خشک، از اهمی…

پیش بینی بلند مدت بارشسیگنال های بزرگ مقیاس اقلیمیشبکه های عصبی مصنوعی
مقاله کنفرانسی سال ۱۳۸۵ ۵,۳۹۱ مشاهده

کاربرد شبکه های عصبی مصنوعی در شبیه سازی آبهای زیرزمینی

شبیه سازی سیستم آبهای زیر زمینی به دلیل پیچیدگی های موجود در طبیعت این سیستمها به مراتب از آبهای سطحی اس…

آبهای زیر زمینیماتریس پاسخ واحدشبکه های عصبی مصنوعی