طبقه بندی تبخیر سالانه ایستگاه های تبخیرسنجی ایران با استفاده از محاسبات نرم(خوشه بندی فازی و شبکه عصبی کوهنن) بر اساس پارامترهای اقلیمی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیما بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی پایگاه اطلاعات بزرگ نظیر ایستگاههای تبخیرسنجی موجب میگردد حجم زیادی از اطلاعات با اختصاص به چند دسته متجانس کوچکتر براحتی در روشهای مختلف مدلسازی مورد استفاده قرار گیرد. خوشهبندی در این پژوهش با استفاده از دادههای اقلیمی منجر به قرار گرفتن ایستگاههای تبخیرسنجی در 7 خوشه گردیدهاست و بین مقادیرحداکثر شاخصRS و حداقل واریانس محاسباتی خوشهها همخوانی وجود دارد، بطوریکه نسبت به ضریب تعیین RS و واریانس خوشهها روش شبکه عصبی کوهنن نسبت به روش فازی نتایج بهتری را نشان میدهد.
تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیما بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی پایگاه اطلاعات بزرگ نظیر ایستگاههای تبخیرسنجی موجب میگردد حجم زیادی از اطلاعات با اختصاص به چند دسته متجانس کوچکتر براحتی در روشهای مختلف مدلسازی مورد استفاده قرار گیرد. خوشهبندی در این پژوهش با استفاده از دادههای اقلیمی منجر به قرار گرفتن ایستگاههای تبخیرسنجی در 7 خوشه گردیدهاست و بین مقادیرحداکثر شاخصRS و حداقل واریانس محاسباتی خوشهها همخوانی وجود دارد، بطوریکه نسبت به ضریب تعیین RS و واریانس خوشهها روش شبکه عصبی کوهنن نسبت به روش فازی نتایج بهتری را نشان میدهد.
تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیما بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی پایگاه اطلاعات بزرگ نظیر ایستگاههای تبخیرسنجی موجب میگردد حجم زیادی از اطلاعات با اختصاص به چند دسته متجانس کوچکتر براحتی در روشهای مختلف مدلسازی مورد استفاده قرار گیرد. خوشهبندی در این پژوهش با استفاده از دادههای اقلیمی منجر به قرار گرفتن ایستگاههای تبخیرسنجی در 7 خوشه گردیدهاست و بین مقادیرحداکثر شاخصRS و حداقل واریانس محاسباتی خوشهها همخوانی وجود دارد، بطوریکه نسبت به ضریب تعیین RS و واریانس خوشهها روش شبکه عصبی کوهنن نسبت به روش فازی نتایج بهتری را نشان میدهد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
283 تا 304
لینک کوتاه:
magiran.com/p1908102
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!