شماره ركورد :
1298993
عنوان مقاله :
برآورد ميزان تبخير روزانه با استفاده از شبكه عصبي مصنوعي در شهرستان‌هاي شيراز و زرقان
عنوان به زبان ديگر :
Estimation of Daily Evaporation Rate using Artificial Neural Network in Shiraz and Zarghan Cities
پديد آورندگان :
شعباني، محمد دانشگاه آزاداسلامي واحد مرودشت - گروه مهندسي آب، مرودشت، ايران
تعداد صفحه :
16
از صفحه :
1
از صفحه (ادامه) :
0
تا صفحه :
16
تا صفحه(ادامه) :
0
كليدواژه :
تبخير , شبكه عصبي مصنوعي , تعميم‌پذيري مدل , شهرستان شيراز , شهرستان زرقان
چكيده فارسي :
تبخير يكي از مهمترين اجزاي چرخه هيدرولوژي مي‌باشد كه نقش بسيار مهمي در مديريت منابع آب و محيط زيست دارد. اطلاع از ميزان هدر‌ رفت آب در اثر فرآيند تبخير در يك منطقه بالاخص در مناطق خشك و نيمه خشك كه با كمبود منابع آب مواجه هستند، يكي از مهمترين اصول مديريتي در برنامه‌ريزي منطقه‌اي است. هدف از انجام اين تحقيق ارزيابي دقت روش شبكه عصبي مصنوعي در برآورد تبخير روزانه در ايستگاه هواشناسي شهرستان شيراز و قابليت تعميم آن در ايستگاه هواشناسي شهرستان زرقان واقع در استان فارس مي‌باشد. براي اين منظور تعداد 1775 داده هواشناسي روزانه شامل دما، رطوبت نسبي، سرعت باد، ساعت آفتابي جمع‌آوري و مقدار تبخير روزانه با استفاده از چهار مدل شبكه عصبي مصنوعي برآورد گرديد. جهت مدل‌سازي در اين تحقيق از شبكه عصبي پرسپترون چند لايه و تابع سيگموئيدي استفاده گرديد. نتايج بدست آمده از چهار مدل شبكه عصبي مصنوعي بر اساس معيارهاي ضريب تعيين (R2)، ضريب ناش-ساتكليف (NSC) و مجذور ميانگين مربعات خطا (RMSe) مورد ارزيابي قرار گرفتند. نتايج نشان داد كه در ايستگاه هواشناسي شيراز مدل 4 با ساختار 1-6-5 نرون، داراي RMSe كمتر و R2 و NSC بالاتر در هر دو مرحله آموزش و آزمون نسبت به ديگر مدل‌ها مي باشد و به عنوان مدل برتر جهت پيش‌بيني ميزان تبخير روزانه در شهرستان شيراز انتخاب گرديد. نتايج حاصل از تعميم‌پذيري مدل 4 با ساختار 1-6-5 در ايستگاه هواشناسي زرقان نيز نشان از دقت بالاي اين مدل در پيش‌بيني تبخير روزانه در اين ايستگاه دارد. بنابراين مي توان از مدل 4 به عنوان مدل مناسب جهت پيش‌بيني مقادير تبخير روزانه در شهرستان زرقان براي دوره‌هايي كه اندازه‌گيري تبخير انجام نشده است، استفاده نمود.
چكيده لاتين :
Evaporation is one of the most important components of the hydrological cycle that plays a very important role in the management of water resources and the environment. Knowing the amount of water lost due to the evaporation process in an area, especially in arid and semi-arid areas that face shortages of water resources, is one of the most important management principles in regional planning. The aim of this study was to evaluate the accuracy of artificial neural network method in estimating daily evaporation in Shiraz meteorological station and its generalizability in Zarghan meteorological station located in Fars province. For this purpose, 1775 data on a daily scale from meteorological factors including temperature, relative humidity, wind speed, sunshine were collected and then the amount of daily evaporation was estimated using 4 models of artificial neural network. For modeling in this study, multilayer perceptron neural network and sigmoid function were used. The results obtained from four models of artificial neural network were evaluated based on the criteria of coefficient of determination (R2), Nash-Sutcliffe coefficient (NSC) and Root Mean Square Error (RMSe). The results showed that in Shiraz meteorological station, model 4 with a structure of 5-6-1 neurons has less RMSe and higher R2 and NSC in both training and testing stages than other models, so as a superior model to predict the rate of evaporation Was selected daily at Shiraz meteorological station. The results of the generalizability of Model 4 with 5-6-1 structure in Zarghan meteorological station also show the high accuracy of this model in predicting daily evaporation in this station, so it can be used as a suitable model to predict daily evaporation values in This station was used during periods when evaporation was not measured.
سال انتشار :
1401
عنوان نشريه :
برنامه ريزي منطقه اي
فايل PDF :
8720233
لينک به اين مدرک :
بازگشت