این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۴۴، شماره ۱، صفحات ۱۱-۲۰
عنوان فارسی استفاده از رویکرد شبکه عصبی مصنوعی جهت پیش‌بینی کوتاه‌مدت سرعت باد (مطالعه موردی: ایستگاه هواشناسی جیرفت)
چکیده فارسی مقاله سرعت باد یکی از متغیرهای بسیار مهم‌ هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدل‌ها و روش‌های متعددی برای پیش‌بینی این عامل وجود دارد. در سال‌های اخیر، با شناخته‌شدن ابزار محاسبات نرم، به‌مثابه روشی نوین در ایجاد سیستم‌های هوشمند، این روش‌ها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. به‌کاربردن رویکرد شبکه عصبی مصنوعی یکی از این روش‌هاست. با توجه به وجود ایستگاه هواشناسی کشاورزی جیرفت و دردسترس‌بودن داده‌های ساعتی سرعت باد در این شهر، از اطلاعات این ایستگاه استفاده شد. سری زمانی استفاده‌شده در این تحقیق اطلاعات سرعت باد در بازه زمانی ساعتی شش ماه (آوریل تا سپتامبر) سال2010 بود که سرعت باد نسبت به سایر ماه‌های سال بیشتر بود. در این تحقیق از سه مدل با نورون‌های متفاوت با چهار لایه استفاده شد. نتایج نشان داد که مرحله آزمون مدل با 20 نورون در هر لایه، به‌طور متوسط 134 ثانیه طول کشیده است. لذا این مدل در مقایسه با دیگر مدل‌ها، در مدت زمانی کوتاه‌تر مقادیر خروجی را به دست داد و سرعت اجرای بالاتری داشت. با توجه به مقایسه پارامترهای آماری در مرحله آزمون، متوسط RMSE و MSE و EF (ضریب کارایی مدل)، به‌ترتیب، 1827/1 و 6947/0 و 9246/0 به‌‌دست آمد. مدل به‌کاررفته، نسبت به دو مدل دیگر، دقت بیشتر و کارایی بهتری در پیش‌بینی سرعت باد دارد و با دنیای واقعی مطابقت می‌کند.
کلیدواژه‌های فارسی مقاله پیش‌بینی، داده‌های ساعتی، سرعت باد، شبکه عصبی مصنوعی،
عنوان انگلیسی Short Term Wind Speed Forecasting Using Artificial Neural Network (Case Study: Jiroft Synoptic Weather Station)
چکیده انگلیسی مقاله Wind speed is one of the major parameters required for an estimation of evapotranspiration and determination of crop water requirements. Hence, several models and methods have been developed for a prediction of this needed climatic variable. In recent years, by development of soft computing tools, such intelligent systems as Artificial Neural Network (ANN) approach have been widely employed in agrometeorological studies. In this study, three types of four layers ANN models of different number of neurons were generated and utilized for a prediction of wind speed, using hourly data of Jiroft Agrometeorological Station, during a 6 month period, April to September, 2010. During these months winds are of higher speeds than those during the rest of the year. Statistical indices of RMSE, ME and EF (Efficiency Factor) were utilized for comparisons and as well for models' evaluations. The results revealed that an ANN model with 20 neurons in each layer is of the most suitable performance in prediction of wind speed with the respective corresponding values of these indices as 1.1827, 0.6947 and 0.9246.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهرام بختیاری |
استادیار دانشکدۀ کشاورزی دانشگاه شهید باهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

نوذر قهرمان |
استادیار دانشگاه تهران، پردیس کشاورزی و منابع طبیعی کرج
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

اسحاق رحیمی |
دانش آموخته کارشناسی ارشد دانشکدۀ کشاورزی دانشگاه شهید باهنر کرمان
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

نشانی اینترنتی http://ijswr.ut.ac.ir/article_36121_994b82ef49af94afcbc1290509a2c263.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات