این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۷، شماره ۲، صفحات ۷۱-۷۹
عنوان فارسی مدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر
چکیده فارسی مقاله تبخیر یکی از مؤلفه‌های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل‌های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده‌های ورودی برای برآورد تبخیر از تشت با استفاده از شبکه‌های عصبی برای منطقه شمال کشور مورد بررسی قرار گرفت. داده‌های اندازه‌گیری شده هواشناسی برای یک دوره ده ساله (1996 تا 2003) از 8 ایستگاه هواشناسی واقع در حاشیه دریای خزر جمع‌آوری شد. نتایج نشان داد، پارامترهای دمای بیشینه و کمینه هوا، رطوبت نسبی، سرعت باد و ساعات آفتابی، حداقل داده‌های هواشناسی برای برآورد تبخیر از تشت هستند. میانگین جذر مربع خطا (RMSE) و ضریب تعیین (R2) بین مقادیر بدست آمده از مدل شبکه عصبی با ورودی‌های فوق و مقادیر واقعی به ترتیب 32/0 میلیمتر در روز و 93/0 بودند. ترسیم مقادیر برآورد شده و واقعی نشان داد، 76 درصد داده‌ها در محدوده %15± خطا واقع می‌شوند.
کلیدواژه‌های فارسی مقاله تبخیر از تشت، شبکه‌های عصبی مصنوعی، داده‌های هواشناسی،
عنوان انگلیسی Estimation of Monthly Pan Evaporation using Artificial Neural Network Based on Meteorological Data- Case Study; Southern Coasts of the Caspian Sea
چکیده انگلیسی مقاله Evaporation is one of the major components of the hydrologic cycle and its accurate estimation is of paramount importance for many studies such as hydrologic water balance and water resources planning and management. Evaporation is a complex and nonlinear phenomenon which depends on several interacting climatological factors. In this study, eight combinations of weather parameters were used as input data for estimating pan evaporation (Ep) for the northern part of Iran. Daily observed weather data for a ten year period (from 1996 to 2005) were used from 8 weather stations located in the southern coasts of the Caspian Sea. This study indicated that the minimum weather data required for estimation of the pan evaporation are maximum and minimum air temperature, relative humidity, wind speed, and sunshine hours. For the data that was studied, the Root Mean Square Error (RMSE) and the coefficient of determination (R2) for the comparison between observed and estimated Ep are 0.32 mm d-1 and 0.93, respectively. A graphical comparison between the observed and the predicted values of Ep showed that 76 percent of the values lie within a scatter of ±15%.
کلیدواژه‌های انگلیسی مقاله evaporation, Artificial Neural Networks, Meteorological data
نویسندگان مقاله سامره مهدوی |
دانش آموخته کارشناسی ارشد گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران.
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

علی رحیمی خوب | rahimi khob
دانشیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

علی اصغر منتظر | ali asghar
دانشیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران..
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.iwrr.ir/article_16184_c045813f4c4bfef1729bda6813b359f9.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