ارزیابی تبخیر و تعرق گیاه سیر در همدان با استفاده از مدل ای تجربی، شبکه های عصبی مصنوعی و لایسیمتر
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق مرجع(eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی نه ایستگاه واقع در سه اقلیم متفاوت (مر
پیش بینی هیدروگراف سیل دارای اهمیت حیاتی به منظور هشدار سیل، مدیریت عملکرد سدهای مخزنی احداث شده به منظور کنترل سیل،تعیین پتانسیل جریان رودخانه، تولید انرژی برقابی و تخصیص آب برای آبیاری در فصول خشک سال می باشد. هدف از این تحقیق مدلسازی هوشمند هیدروگراف سیل وروردی به سد مخزنی شیر
هدف تحقیق مدل سازی و پیش بینی تقاضای نفت در ایران با استفاده از روش شبکه های عصبی مصنوعی(ann) می باشد. در این مقاله تلاش شده است تا یافته های تحقیق با استفاده از مدل مذکور با مدل arimax مقایسه گردد تا میزان دقت پیش بینی شبکه عصبی مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می
به دلیل اهمیت به سزای جریان های نقدی در موفقیت واحدهای اقتصادی و تأثیرگذاری آن در تصمیمات اقتصادی سرمایه گذاران و اعتبار دهندگان، پیش بینی جریان های نقدی از موضوعات مهم مورد مطالعه تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در این زمینه، به بررسی ارتباط خطی متغیرهای مستقل با ج
امروزه پدیده ی تغییر اقلیم به عنوان یک معضل جدی گریبان گیر کشورهای جهان شده است، به نظر می رسد که اکوسیستم ها به طور ویژه ای از این تغییرات آسیب بینند، از این رو مطالعه ی روند تغییرات متغیرهای اقلیمی در درازمدت اهمیت ویژه ای در بررسی های اقلیمی و پیش بینی آن در آینده خواهد داشت.
مالیات بر واردات یکی از منابع درآمدی دولت است که بخشی از آن به دلیل فرار مالیاتی در اختیار دولت قرار نمی¬گیرد. عوامل مختلفی بر فرار مالیاتی در بخش واردات موثرند که در این تحقیق با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی که قادر به تحلیل سیستم¬های غیر خطی اس
شهرستان نمین در استان اردبیل دارای اراضی وسیعی از گونههای جنگلی فندقلو است. بنابراین هدف از این تحقیق، ارزیابی روند تخریب اراضی جنگل های فندقلو در شهرستان نمین با استفاده از تصویر ماهوارهای LANDSAT سنجنده +ETM در سال 1386 و تصویر سنجنده OLI مربوط به سال 1396 است. پس از انجام پیش
برآورد تبخیر- تعرق پتانسیل در مواردی مانند برنامهریزی آبیاری، توازن هیدرولوژیکی، طراحی و مدیریت سیستمهای آبیاری و پیشبینی میزان عملکرد محصول ضروری است. تعداد زیاد پارامترهای مؤثر در برآورد تبخیر- تعرق گیاه پتانسیل و از طرفی اندازهگیری برخی از این پارامترها در بعضی ایستگاهها، سبب
در این تحقیق کارایی روشهای متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک
در این تحقیق کارایی روش های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ann) و سامانه استنتاج عصبی- فازی تطبیقی (anfis)در برآورد ضریب تشت رده a و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک
سابقه و هدف: یکی از نیازهای مهم در برنامهریزی تولید و فرآوری گیاهان دارویی به منظور حصول عملکرد بالا و با کیفیت مطلوب، ارزیابی اولیه خصوصیات فیزیکی و شیمیایی خاک منطقه است که میتوان با اجتناب از کاربرد غیرضروری آزمایشات متنوع خاکشناسی، هزینه تولید را به حداقل کاهش داد. مرزه تاب
بیشتر بارندگی مناطق خشک و نیمه خشک بصورت تبخیر به جو باز می گردد پس تخمین تبخیر دربرآورد میزان آب در چرخه آب مهم خواهد بود. تبخیر وابسته به پارامترهای مختلفی است و برای برآورد آن نیاز به متغیرهای اقلیمی متفاوتی است و اثر متقابل این متغیرها بسیار پیچیده است لذا در بررسی آن باید رو