عنوان پایان‌نامه
مقایسه مدلهای رگرسیون درختی، شبکه های عصبی و مدلهای تجربی برای برآورد تبخیر و تعرق مرجع در منطقه خشک
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس ابوریحان شماره ثبت: 636;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56743
- تاریخ دفاع
- ۲۷ شهریور ۱۳۹۱
- دانشجو
- میترا بخشوده
- استاد راهنما
- علی رحیمی خوب
- چکیده
- چکیده تخمین درست تبخیر و تعرق مرجع به عنوان یکی از عمده ترین اجزاء چرخه هیدرولوژیکی، در مطالعات، طراحی و مدیریت سیستم های آبیاری حائز اهمیت فراوان است. روشهای زیادی مبتنی بر داده های هواشناسی برای شرایط مختلف جغرافیایی و اقلیمی برای محاسبه تبخیر تعرق مرجع (ET0) تدوین شده است. روش فائو پنمن مانتیث به عنوان روش استاندارد برای محاسبه تبخیر و تعرق گیاه مرجع به داده های هواشناسی زیادی نیاز دارد که در اکثر ایستگاه های هواشناسی امکان اندازه گیری همه آنها وجود ندارد، لذا در چنین شرایطی نیاز به معادلات تجربی با پارامترهای هواشناسی کمتر میباشد. هدف از انجام این تحقیق ارزیابی معادله¬ی هارگریوز سامانی برای برآورد ET0 ، بررسی امکان تبدیل پارامترهای دمای کمینه، دمای بیشینه و تابش فرازمینی به تبخیر تعرق مرجع با استفاده از مدل درختی و شبکه عصبی و مقایسه این مدل ها با معادله هارگریوز اصلاح شده می باشد. برای مدلسازی از داده های 22 ایستگاه هواشناسی واقع در استان های سیستان و بلوچستان، کرمان، یزد و خراسان جنوبی در دوره آماری (2008-1998) استفاده شد. با توجه به اینکه سرعت باد تأثیر زیادی بر میزان تبخیر تعرق دارد و از آنجا که این پارامتر بندرت در ایستگاه ها اندازه گیری می شود در این تحقیق از سرعت باد بعنوان داده های ورودی مدل استفاده نشده است، ایستگاه های موجود با توجه به میزان سرعت باد در منطقه به سه گروه تقسیم شد و مدلسازی برای هریک از گروه ها بطور جداگانه و در مقیاس روزانه و ماهانه انجام گرفت. نتایج بدست آمده حاکی از عملکرد مطلوب و مشابه شبکه های عصبی و رگرسیون درختی نسبت به روش هارگریوز اصلاح شده است. البته مدل درختی به دلیل خطای کمتر و سرعت و سهولت کار بعنوان مدل برتر انتخاب شد. در این مدل برای دوره¬های روزانه مقادیر ضریب تبیین، میانگین انحراف خطا و ریشه میانگین مربعات خطا برای گروه اول به ترتیب برابر با 85/0، 06/0 میلیمتر در روز، 00 /1 میلیمتر در روز ، بر ای گروه دوم به ترتیب برابر با 82/0، 00/0 میلیمتر در روز ، 23/1 میلیمتر در روز و برای گروه سوم به ترتیب برابر با 83/0، 57/0- میلیمتر در روز ، 16/2 میلیمتر در روز در ایستگاه های آزمون محاسبه شد. همچنین برای دوره‌های ماهانه مقادیر ضریب تبیین، میانگین انحراف خطا و ریشه میانگین مربعات خطا برای گروه اول به ترتیب برابر با 94/0، 13/0- میلیمتر در روز ،61/0 میلیمتر در روز ، بر ای گروه دوم به ترتیب برابر با 94/0، 00/0 میلیمتر در روز ، 65/0 میلیمتر در روز و برای گروه سوم به ترتیب برابر با 97/0، 04/0 میلیمتر در روز ، 60/0 میلیمتر در روز در ایستگاه های آزمون محاسبه شد. کلید واژه: تبخیر و تعرق ، شبکه عصبی ، مدل درختی M5، هارگریوز
- Abstract
- Abstract Accurate estimations of crop water requirements arenecessary for irrigation design, scheduling farm irrigation,water resource management, and modeling cropping systems. Many methods based on meteorological data for different geographical and climatic conditions for the calculation of reference evapotranspiration (ET0) has been developed.The application of the FAO-56 Penman–Monteith (PM-56) equation requires measurement of the maximum andminimum air temperature, maximum and minimum relativeair humidity (or the actual vapor pressure), wind speed at2 m, and solar radiation (or sunshine hours). While airtemperature is available at most weather stations worldwide,the remaining variables are collected at relatively fewlocations, and those recordings are not always reliable. Therefore, in such conditions, empirical equations with less meteorological parameters are needed.The objective of this study is evaluation of Hargreaves Samani equation for estimating ET0, investigate the possibility of converting minimum and maximum air temperature and extraterrestrial radiation data to ET0 data using neural networks and M5 models and compare them with modified Hargreaves equation.The 22 weather stations selected for this study are located in an arid environment in the province of Sistan-Baluchestan, Kerman, Yazd and Khorasan in the period (2008-1998).Since the wind speed has a deserving impact on the amount of evapotranspiration and this parameter is rarely measured at stations, in this study this parameter isn't used as model input data,The stations according to wind speed in the area was divided into three groups and for each group separately modeled and performed daily and monthly scale.However, due to less fault and simplicity usage M5 model tree has been selected as the best one.In this model, for daily period and for first group the coefficient of determination, average deviation error and root mean square error values were calculated 0.85, 0.06 mm d-1,1.00 mm d-1 respectively, for second group 0.82, 0.0 mm d-1, 1.23 mm d-1 and for third group 0.83,-0.57 mm d-1, 2.16 mm d-1.Also, for monthly periods the above statistical parameter for first group were 0.94, -0.13 mm d-1,0.61 mm d-1 respectively, for second group were 0.94, 0.00 mm d-1, 0.65mm d-1 respectively and for third group were 0.97,0.04mm d-1, 0.60 mm d-1 respectively. Keywords: Reference crop evapotranspiration, artificial neural networks model, M5 model tree, Hargreaves equation
