عنوان پایان‌نامه

پیش¬بینی تبخیر و تعرق مرجع با استفاده از داده¬های پیش¬بینی شده سازمان هواشناسی



    دانشجو در تاریخ ۱۹ بهمن ۱۳۹۴ ، به راهنمایی ، پایان نامه با عنوان "پیش¬بینی تبخیر و تعرق مرجع با استفاده از داده¬های پیش¬بینی شده سازمان هواشناسی" را دفاع نموده است.


    رشته تحصیلی
    مهندسی‌کشاورزی‌-آبیاری و زهکشی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس ابوریحان شماره ثبت: 882;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74514;کتابخانه پردیس ابوریحان شماره ثبت: 882;کتابخانه پردیس ابوریحان شماره ثبت: 882;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74514;کتابخانه پردیس ابوریحان شماره ثبت: 8
    تاریخ دفاع
    ۱۹ بهمن ۱۳۹۴
    دانشجو
    عاطفه حاجی زاده
    استاد راهنما
    علی رحیمی خوب
    چکیده
    لینک فایل چکیده
    بنابر مطالعات انجام شده، پیش‌بینی تبخیر‌تعرق مرجع روزانه از عوامل تعیین کننده در برنامه ریزی آبیاری می‌باشد. در این تحقیق پیش بینی تبخیر تعرق مرجع روزانه با استفاده از داده های پیش بینی شده سازمان هواشناسی صورت گرفت، در سازمان هواشناسی فقط دمای بیشینه و کمینه روزانه به صورت 24 ساعته، 48 ساعته و 72 ساعته پیش‌بینی می‌شود بنابراین برای پیش‌بینی تبخیرتعرق مرجع روزانه معادله تجربی هارگریوز سامانی و مدلهای ریاضی همچون رگرسیون درختی و شبکه عصبی مصنوعی مورد استفاده قرار گرفت،در تحقیق حاضر، محدوده مورد مطالعه(تهران-مهرآباد و البرز-کرج) میباشد. در سازمان هواشناسی داده‌ها بصورت فصلی جمع آوری و سپس از آرشیو آن سازمان حذف می¬شود لذا از داده‌های پیش‌بینی شده روزانه دمای حداقل و حداکثر هوا، مربوط به دوره‌های سه ماهه سال‌های 2014 و 2015 از دو ایستگاه سینوپتیک در محدوده مورد مطالعه به عنوان ورودی مدل‌ها استفاده گردید و ارزیابی مدل‌ها بر مبنای فائو پنمن مانتیث انجام گرفت. بررسی های انجام شده نشان داد که در ایستگاه کرج و تهران شبکه عصبی بهترین برآورد و معادله تجربی هارگریوز ضعیف ترین برآورد را نشان می‌دهد. با توجه به شاخص های آماری محاسبه شده، شبکه عصبی نسبت به مدل درختی و معادله تجربی هارگریوز عملکرد مناسب‌تری دارد و شاخص های MBE و RMSE دارای مقادیر کمتری می‌باشند همین طور با توجه به نتایج به دست آمده مدل‌ها در بررسی های انجام شده ایستگاه کرج نتایج بهتری را ارائه کردند.در کل نتایج واسنجی مدل‌ها حاکی از عملکرد مطلوب شبکه عصبی نسبت به روش‌های رگرسیون درختی و هارگریوز سامانی است و این امر بیانگر این است که مدل‌ مورد نظر مناسب‌ترین روش برای پیش‌بینی تبخیر تعرق مرجع روزانه بوده و نتایج قابل قبولی را ارائه می‌نماید نتایج به دست آمده حاصل از پیش‌بینی تبخیر تعرق با استفاده از مدل‌ شبکه عصبی، برای ایستگاه کرج عملکرد نسبتا مطلوبی را ارائه کردند، ایستگاه تهران از عملکرد مناسبی برخوردار نبود. همچنین بررسی نتایج آماری پیش‌بینی دمای حداقل و حداکثر نمایانگر این بود که پیش‌بینی دما در سازمان هواشناسی از دقت نسبتا مناسبی برخوردار بوده، خطا در پیش‌بینی دمای حداقل بیشتر از دمای حداکثر بوده و بر روی عملکرد مدل‌ شبکه عصبی در پیش‌بینی تبخیرتعرق مرجع روزانه تاثیرگذار بود. کلید واژه: تبخیرتعرق مرجع
    Abstract
    According to the studies, forcasting of daily reference evapotranspiration is the key factor of irrigation scheduling. In this study, daily reference evapotranspiration forcasting was done using forcasted Meteorological Organization data. Only maximum and minimum daily temperature are forcasted in 24 hour, 48 hour and 72 hour in the Meteorological Agency. Therefore Samani and Hargreaves experimental equation and some mathematical models such as tree regression and neural network were used to forcast the daily reference evapotranspiration. In this project, the case studies are (Tehran-Mehrabad and Tehran-Karaj). The seasonally data collected by the Meteorological Agency are always deleted from its archive. Therefore, the model inputs were forecasted minimum and maximum daily air temperature data of the three-month periods of 2014 and 2015 from two synoptic stations. Assessment of models is based on the FAO Penman-Monteith. The studies showed that the neural network had the best estimation in Tehran and Karaj station, while experimental Hargreaves equation was the weakest one. According to calculated statistical indexes , the neural network had better performance than the Tree Model and experimental Hargreaves equation and MBA and RMSE values were lower. According to the results, Karaj station offered better estimations. In general, calibration results showed good performance of neural network models rather than Hargreaves-Samani and the tree regression. This indicated that it was the most appropriate model to predict the daily reference evapotranspiration and to provide acceptable results. The results of the neural network evapotranspiration forcasting presented rather good performance for Karaj station, while Tehran station did not have good performance. Also the statistical results of forcasted minimum and maximum temperature indicated that the temperature forecasting accuracy was appropriate in Meteorological Organization,the Minimum temperature forcasting error was higher than maximum temperature and it was effective on the performance of the neural network model in daily reference evapotranspiration forcasting