NATIONAL BIBLIOGRAPHY NUMBER
Number
۱۰۶۲پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
یک مدل خبره جعبه سیاه برای پیش بینی میزان تبخیر حوضه آبریز لیقوان چای
First Statement of Responsibility
/محمدحسین سلطان نژاد
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
تبریز: دانشگاه تبریز، دانشکده فنی مهندسی عمران، گروه آب
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۹۰ ص.
Other Physical Details
: مصور، جدول، نمودار، عکس ۳۰*۲۹ س.م.- + یک لوح فشرده
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
واژه نامه بصورت زیرنویس
Text of Note
کتابنامه ص: ۱۱۲-۱۱۴
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی عمران - آب
Date of degree
۱۳۸۶/۰۴/۲۴
Body granting the degree
تبریز: دانشگاه تبریز، دانشکده فنی مهندسی عمران، گروه آب
SUMMARY OR ABSTRACT
Text of Note
این پایان نامه به توانایی مدل شب-که های عصبی مصن-وعی جهت برآورد میزان تبخیر و تعیین رابطه ای برای تبیین این پارامتر از چرخه هیدرولوژی پرداخته می شود .این تخمین با استفاده از داده های موجود هیدرولوژیکی حوضه آبریز لیقوان چای، اعم از عواملی همچون دمای متوسط روزانه، تشعشع، سرعت باد، رطوبت نسبی، تبخیرتعرق روز قبل، دبی روزانه انجام می گردد و تاثیر هر کدام از این عوامل بر مقدار تبخیرتعرق سنجیده می شود .مدل شبکه عصبی مصنوعی نیز از نوع شبکه های پیشخور (Feed Forward) با قانون پس انتشار خطا (BP) و الگوریتم آموزشی لونبرگ مارگارت انتخاب شده است و همچنین برای مقایسه مقادیر تخمین شده از این روش با نتایج دو روش کلاسیک پنمن-فائو و کریستین سن) معادله یوتا (مورد قیاس واقع شده است .برای انجام عملیات مربوط به این تحقیق، سه نرم افزار، Matlab جهت نوشتن برنامه مدل شبکه عصبی مصنوعی، Excel برای پردازش داده ها و رگرسیون خطی و SPSSجهت تعیین مقدار تخمین تبخیرتعرق دارند و می توان با استفاده از این پارامترها رابطه قابل قبولی مشخص نمود و همچنین در مقایسه صورت گرفته این روش با دو روش کلاسیک ذکر شده نیز می توان به کارآیی شبکه های عصبی مصنوعی در این پژوهش پی برد .
Text of Note
This thesis investigates the ability of artificial neural network model for estimating evaporation and determining relationship for explaining this parameter of hydrology cycle.This estimation was performed by existing hydrologic data of Ligvan Chai watershed, including the average daily temperature, radiation, wind velocity, relative humidity, previous day evapotranspiration and daily discharge. The effects of these factors were measured upon evapotranspiration value. The artificial neural network model was selected from the type of Feed Forward networks with Error Back Propagation (PM) law and Levenberg-Marguardt training Algorithm. The results of this approach were comparised with results of classic methods of Penman-FAO and Kiristeansen.For doing activites related to this investigation, three softwares were used, MATLAB for writing program of ANN, Excel for data processing and linear regression and SPSS for determining relationship by use of multi variables linear regression.With doing many trail-error, and determining suitable structures of network, it was noted that parameters such as: previous day evapotranspiration, wind velocity, average daily temperature are more effective than others upon estimating evapotranspiration value. By these parameters the acceptable relationship can determine. In comparision with classic method (Penman-FAO and Kiristeansen) it can be understood that, the presented approach has more capability in such a type investigation
TOPICAL NAME USED AS SUBJECT
Hydrology
Artificial Neural Network
Evaporation
Ligvan Chai watershed
PERSONAL NAME - PRIMARY RESPONSIBILITY
سلطان نژاد، محمدحسین
PERSONAL NAME - SECONDARY RESPONSIBILITY
کی نژاد، محمد علی، استاد راهنما
نورانی، وحید، استاد راهنمای همکار
فروغی،، استاد مشاور
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
