جستجو در مقالات منتشر شده


2 نتیجه برای مدل هیبرید

مهدی عرفانیان، سحر بابایی حصار،
جلد 18، شماره 70 - ( 12-1393 )
چکیده

با وجود اهمیت مسئله خشک شدن دریاچه ارومیه، انجام تحقیقات علمی و مبتنی بر اصول آبخیزداری در رابطه با آن کمتر به‌چشم می‌خورد. تابش خورشیدی از پارامترهای کلیدی ورودی مدل‌های تخمین نرخ تبخیر و تعرق مرجع می‌باشد، در این تحقیق، پس از ارزیابی و انتخاب بهترین مدل تخمین تابش، متوسط ماهانه نرخ تبخیر و تعرق مرجع روزانه در 7 ایستگاه هواشناسی واقع در حوزه آبریز دریاچه ارومیه در دوره آماری 2005-1986 برآورد شد. مدل‌هایی که برای برآورد تابش خورشیدی مورد ارزیابی قرار گرفتند شامل مدل فیزیکی هیبرید (Hybrid)، مدل تجربی آنگسترم-پرسکات و مدل‌های اصلاح شده دانشیار و صباغ می‌باشند. برای ارزیابی مدل‌های تابش از معیارهای آماری خطا شامل ME، MAE، RMSE و MPE استفاده شد. مقدار آماره RMSE در مدل هیبرید برابر 7/1 مگاژول بر مترمربع در روز و در مدل‌های آنگسترم-پرسکات، اصلاح شده دانشیار و صباغ به‌ترتیب برابر 9/2، 3/2 و 9/2 مگاژول بر مترمربع در روز به‌دست آمد. نتایج نشان‌دهنده کارایی بالاتر مدل هیبرید نسبت به سه مدل دیگر در مقیاس ماهانه می‌باشد. در مرحله بعد، تأثیر انتخاب مدل تابش در برآورد نرخ تبخیر و تعرق مرجع توسط مدل استاندارد پنمن- مونتیث- فائو(PMF56) مورد ارزیابی قرار گرفت. مدل PMF56 با مدل هیبرید تلفیق شده و مدل جدیدی به‌نامPMF56-Hybrid توسعه یافت. این مدل در تخمین نرخ تبخیر و تعرق مرجع ایستگاه‌های انتخابی از کارایی بالاتری برخوردار است. نتایج نشان داد که استفاده از مدل‌های هیبرید و اصلاح شده دانشیار منجر به بهبود تخمین ET0 شده و دارای خطای کمتری نسبت به دو مدل دیگر می‌باشند. مدل واسنجی شده آنگستروم-پرسکات، نرخ تبخیر و تعرق مرجع را 19 درصد بیشتر برآورد می‌کند.


عباس احمدپور، سید حسن میرهاشمی، پرویز حقیقت جو، محمدرضا رئیسی سیستانی،
جلد 24، شماره 3 - ( 9-1399 )
چکیده

در این پژوهش از مدل سری زمانی اریما و شبکه استنتاج فازی- عصبی و شبکه عصبی مصنوعی پرسپترون چندلایه و مدل‌های هیبریدی ARIMA-ANN, ARIMA- ANFIS برای مدل‌سازی و پیش‌بینی پارامتر هدایت الکتریکی جریان روزانه ایستگاه آب‌سنجی تله‌زنگ با طول دوره آماری 49 ساله استفاده‌ شده است. برای این منظور از داده‌های روزانه سال‌های 1384-1347 برای آموزش مدل و از داده‌های سال‌های 1396-1385 برای آزمون استفاده شد. برای تأیید صحت مدل‌های اریما برازش یافته از توابع خودهمبستگی و خودهمبستگی جزئی باقی‌مانده‌ها و آماره پورت مانتئو استفاده شد. در مدل‌سازی و پیش‌بینی هدایت الکتریکی برای انتخاب پارامتر ورودی مؤثر شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی از الگوریتم PMI بهره گرفته شد که پارامترهای روزانه منیزیم (با دو روز تأخیر) و سدیم (با یک روز تأخیر) و درجه حرارت (با یک روز تأخیر) و دبی جریان (با دو ماه تأخیر) و اسیدیته (با یک روز تأخیر) با داشتن کمترین مقادیر اکایک و بیشترین مقادیر آماره همپل به‌عنوان ورودی شبکه استنتاج فازی عصبی و شبکه عصبی مصنوعی برای مدل‌سازی و پیش‌بینی هدایت الکتریکی روزانه معرفی شدند. بررسی معیارهای ارزیابی مدل‌ها تأیید کننده برتری مدل هیبریدی ARIMA-ANFIS با تابع عضویت ذوزنقه‌ای و تعداد تابع عضویت 2 نسبت به سایر مدل‌ها با مقادیر ضریب تبین 86/0و ریشه میانگین مربعات dS/m 29 است همچنین مدل آریما ضعیف‌ترین عملکرد را در مدل‌‌سازی و پیش‌بینی پارامتر کیفی روزانه ایستگاه هیدرومتری تله‌زنگ به‌خود اختصاص داده است.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb