خانه :: اساتید :: اخبار

بازدید:17207   بروزرسانی: 30-07-1398

Masoud Karbasi

مسعود کرباسی
تخمين تبخير و تعرق مرجع در شرايط داده محدود با استفاده از شبکه هاي عصبي RBF
Estimation of reference crop evapotranspiration in limited weather data condition using RBF neural networks
چکيده


تبخير و تعرق گياه مرجع يکي از عوامل مهم سيکل هيدرولوژيکي است که بايد در طرح سيستم هاي آبياري، تاسيسات آبي، مطالعات زهکشي و هيدرولوژيکي برآورد شود. اگرچه معادله پنمن مانتيث فائو 65 به عنوان يک روش استاندارد جهت برآورد تبخير و تعرق مرجع در نواحي مختلف تاييد شده است، ولي نياز آن به پارامترهاي ورودي متنوع، استفاده گسترده از آن را محدود نموده است. در اين تحقيق با استفاده از شبکه هاي عصبي شعاعي ) RBF ( ميزان تبخير و تعرق مرجع در شرايط مختلف داده هاي کامل و داده هاي محدود در شرايط آب و هوايي زنجان، تخمين زده شده است. در مجموع 42 سناريو با ترکيب داده هاي مختلف مورد بررسي قرار گرفت. نتايج نشان مي دهد که شبکه عصبي RBF با دقت بالايي قادر به تخمين مقدار تبخير و تعرق مرجع است و در صورت وجود داده هاي مربوط به دما در بدترين حالت با حداکثر خطاي RMSE 0/5 ميلي متر بر روز قادر به برآورد تبخير و تعرق مرجع است. ، همچنين نتايج نشان داد که سناريو ترکيب داده هاي دماي حداکثر و سرعت باد داراي دقت بسيار بالايي در تخمين تبخير و تعرق مرجع مي باشد.