Comparsion Of Experimental, Regression Models and Artificial Neure Network in Estimating Net Radiation (Rs) In Synoptic Station of Zahedan
Abstract:
Solar radiation is one of the key inputs for most hydrological models in estimating reference evapotranspiration. Furthermore providing and making the measurement tools for this parameter is very costly. In this research, ridation (Rs ) of zahedan meteological station in 1385 to 1389 were used. Some non- linear models such as neure systemwith algorithm BFGS, and neure system with conjugate Gradient training algorithms, and locallinear regression through gamma test were developed. Then , these non- linear models and two expereimental model including Angstrom - Prescott and Glory Mac Kalut were assessed for predicting radiation. For predicting none- linear method, maximum temperature parameters, average speed of wind, surface radiation, and Sunshine were used. Result of comparing measured amounts with models with measured amount by parameter show that the neure system with BFGS algorithm has RMSE= 1.95 , MAE= 1.47 and R2=93% which are the best operation in these models. After that, neure system model with conjugate Gradient training algorithms and local regression model are in secand rank in which RMSE, MAE and R2 are 2.53 , 1.77 , 88% and 2.89 , 1.89 , 82% respectively. Angstrom and MAC colt method have RNSE = 4.38 , MAE=3.21 , R2=33% and RMSE= 4.46, MAE= 3.07, R2=50% respectivety.
Language:
Persian
Published:
Journal of Physical Geography, Volume:9 Issue: 34, 2017
Pages:
137 - 150
magiran.com/p1707952  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.