هادی وروانی؛ محمدامین مرادی؛ جواد وروانی
چکیده
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است . در سال های اخیر استفاده از سیستم های هوش مصنوعی برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است .از این رو این تحقیق با هدف امکان سنجی استفاده از مدل رگرسیون درختی در برآورد تبخیر و تعرق ماهانه گیاه مرجع(ETo) و مقایسه آن با روش پنمن مانتیث فائو ...
بیشتر
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است . در سال های اخیر استفاده از سیستم های هوش مصنوعی برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است .از این رو این تحقیق با هدف امکان سنجی استفاده از مدل رگرسیون درختی در برآورد تبخیر و تعرق ماهانه گیاه مرجع(ETo) و مقایسه آن با روش پنمن مانتیث فائو در سه ناحیه اقلیمی ایران انجام شد. از مزایای مدل رگرسیون درختی نسبت به دیگر مدل های هوش مصنوعی از قبیل شبکه های عصبی، عدم نیاز به فرایند وقت گیر آزمون و خطا و نیز ارائه نتایج بهصورت روابط ریاضی است. در مطالعه ی حاضر، متوسط ماهانه ی داده های حداقل و حداکثر دما، رطوبت نسبی، سرعت باد و تابش خورشیدی به عنوان داده های ورودی به مدل در نظر گرفته شده است. نتایج حاصله نشان داد که ضرایب تعیین مدل های تولید شده توسط مدل رگرسیون درختی در برآورد پارامتر تبخیر و تعرق مرجع برای نواحی گرمسیر، معتدل .و سردسیر به-ترتیب برابر است با 0/78 ، 0/80 و 0/89 که حاکی از توانایی بالای مدل مذکور است.