آنالیز شبکه های عصبی در شبیه سازی پروسه تبخیر

چکیده:

تبخیر یک مرجع مهم برای مدیران منابع آب است. این مطالعه یک مدل هیبریدی را که ترکیبی از شبکه های عصبی پیچیده مصنوعی (BPNN) است معرفی می کند.

فرآیند تبخیر و تعرق به عنوان یکی از مؤلفه­های اصلی چرخه هیدرولوژیک دارای اهمیت فراوانی در مدیریت و توسعه منابع آب و نیز برنامه­ریزی آبیاری می­باشد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج شبکه های عصبی فازی تطبیقی در بهبود تخمین میزان تبخیر و تعرق روزانه گیاه مرجع (ET_o) پرداخته شد.

تبخیر فاکتور مهمی است که روی منابع آب تاثیر می گذارد. یک ارزیابی دقیق از تبخیر وابسته به مدیریت کشاورزی، توازن آب و زنجیره آب و منابع زمینی است. تقابل پیچیده بین زمین و سیستم های اتمسفری از ارزیابی های مثبت و دقیق و موثر در این زمینه جلوگیری می کند.

براساس مقایسه، شبکه MLP بهتر از شبکه های المان و RBNN عمل می کند. پس در مرحله بعدی حساسیت آنالیز توسط متدهای PaD و مقیاسی در رابطه با خروجی های MLP مورد پردازش و اجرا قرار می گیرد.

بیان مساله با استفاده از کاربر شبکه های عصبی:

شبکه­ های عصبی مصنوعی بر اساس استنباط از سیستم عصبی بیولوژیکی استوار است. در میان نمونه­ های متعدد شبکه­ های عصبی، شبکه انتشار به عقب دارای کاربرد بیشتری می­باشد(لیپ من 1987، شیری و همکاران 2011). شبکه یاد شده متشکل از لایه­ه ایی است که این لایه­ها دارای عناصری با عملکرد موازی هستند که به آنها نرون (عصب) گفته می­شود. هر لایه کاملاً با لایه قبل و بعد از خود در ارتباط است.

تبخیر را با استفاده از سازگاری رابطه ی بین هواشناسی و فاکتورهای آن ارزیابی و بررسی کنند. توزیع تبخیری کاملاً غیر خطی است. خوشبختانه ANN ها ابزار مناسبی برای سر و کار داشتن با مشکلات غیرخطی هستند. طبری و همکاران در سال 2011 تبخیر تشتکی روزانه را با استفاده از شبکه های عصبی پیچیده ی مصنوعی و رگرسیون غیر خطی چند متغیری در ناحیه ای نیمه خشک ارزیابی و اندازه گیری کردند.

در میان مدل های تجربی، تنها مدل پرتوی برای مدلینگ تبخیر روزانه و رطوبت قابل استفاده بود. مدل های ANN عموماً دقیق تر از مدل های تجربی هستند و این در شرایطی است که معماری شبکه انتخاب شده مناسب باشد و تعداد کافی از نقاط داده ای برای آموزش شبکه استفاده شود. تبخیر و تعرق به فرآیندی گفته می­شود که در آن آب از سطح خاک و گیاه به اتمسفر منتقل می­شود. تعیین مقدار تبخیر و تعرق (نیاز آبی گیاه) یک مؤلفه مهم در تعیین بیلان آب و بودجه­بندی آبیاری می­باشد. میزان نیاز آبی گیاه می­تواند به طریق مستقیم و با استفاده از تکنیک­های پرهزینه هواشناسی که مبتنی بر بیلان انرژی و نیز انتقال جریان جرم بخار می­باشند (روش آیرودینامیک، نسبت باون) صورت پذیرد.

تیم پی سی اسکریپت تلاش نموده است تا مقاله ارائه شده را به زبان فارسی ترجمه نموده و در اختیار شما عزیزان قرار دهد.

کلمات کلیدی: تبخیر، شبکه های مصنوعی، آنالیز، شبیه سازی