ارائه یک ضریب اصلاحی برای بهبود دقت روش هارگریوز در برآورد تبخیر و تعرق مرجع
تبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژی است که برآورد آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت روش هارگریوز جهت برآورد تبخیر- تعرق به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فایو به روش هارگریوز می باشد. داده های آب و هوایی مورد استفاده در این تحقیق در بازه ی زمانی 2013-2004 از ایستگاه فرخشهر و فرودگاه شهرکرد در استان چهارمحال و بختیاری شامل دمای حداقل، دمای حداکثر و رطوبت نسبی میانگین با اقلیم سرد و خشک اخذ شده است. داده ها به دو قسمت 75 درصد برای آموزش و اعتبار سنجی و 25 درصد برای تست تقسیم شدند. نتایج نشان می دهد که شبکه عصبی و مدل درخت تصمیمم عملکرد خوبی در مدلسازی ضریب اصلاحی دارند. قبل از استفاده از ضریب اصلاحی برای ایستگاه فرخشهر ریشه میانگین مربعات خطا مدل هارگریوز نسبت به روش پنمن مونتیث فایو RMSE=0/90 بود که این مقدار بعد از استفاده از ضریب اصلاحی به کمک شبکه عصبی به RMSE=0/69 و با از استفاده از ضریب اصلاحی به کمک درخت تصمیمم به RMSE=0/72 رسید. به طور کلی نتایج نشان داد که بعد از استفاده از ضریب اصلاحی عملکرد مدل هارگریوز بهبود یافته است. نتبج نشان داد که عملکرد شبکه عصبی مصنوعی دقیق تر است ولی مدل درختی روابط خطی، ساده تر و قابل فهم تری را ارایه می دهد.
- 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.