نموذج شبكة عصبيّة اصطناعية لتقدير التبخّر الإنائي الشهري في محطّة قطينة المناخيّة باستخدام بيانات درجات الحرارة فقط
تشكّل الفواقد بالتبخّر من مياه بحيرة سدّ قطينة جزءاً كبيراً من فواقد التخزين في هذا السد، وهي تتأثّر بشكل كبير بالتغيرات المناخية الحاصلة في المنطقة، وإن المعرفة الدقيقة لهذه الفواقد يساعد بشكل كبير في إدارة هذا المورد المائي المهم المستخدم لإرواء مساحات كبيرة من الأراضي الزراعية، ولذلك فإن ه...
Збережено в:
| Автори: | , , |
|---|---|
| Формат: | Книга |
| Опубліковано: |
Tishreen University,
2022-11-01T00:00:00Z.
|
| Предмети: | |
| Онлайн доступ: | Connect to this object online. |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
MARC
| LEADER | 00000 am a22000003u 4500 | ||
|---|---|---|---|
| 001 | doaj_caa67a2e5b9a4e5daf03b743c89a0fd7 | ||
| 042 | |a dc | ||
| 100 | 1 | 0 | |a Gatfan Abd al-Kareem Ammar |e author |
| 700 | 1 | 0 | |a Alaa Ali Sleiman |e author |
| 700 | 1 | 0 | |a Amer al-Darwish |e author |
| 245 | 0 | 0 | |a نموذج شبكة عصبيّة اصطناعية لتقدير التبخّر الإنائي الشهري في محطّة قطينة المناخيّة باستخدام بيانات درجات الحرارة فقط |
| 260 | |b Tishreen University, |c 2022-11-01T00:00:00Z. | ||
| 500 | |a 2079-3081 | ||
| 500 | |a 2663-4279 | ||
| 520 | |a تشكّل الفواقد بالتبخّر من مياه بحيرة سدّ قطينة جزءاً كبيراً من فواقد التخزين في هذا السد، وهي تتأثّر بشكل كبير بالتغيرات المناخية الحاصلة في المنطقة، وإن المعرفة الدقيقة لهذه الفواقد يساعد بشكل كبير في إدارة هذا المورد المائي المهم المستخدم لإرواء مساحات كبيرة من الأراضي الزراعية، ولذلك فإن هدف هذه الدراسة هو البحث في إمكانيّة استخدام الشبكات العصبيّة الاصطناعيّة في تقدير التبخّر الإنائي الشهري في محطّة قطينة المناخيّة باستخدام بيانات درجات الحرارة فقط. حيث اعتمدت النماذج على القيم الشهريّة لدرجة حرارة الهواء فقط كمدخلات للشبكات العصبيّة، في حين استخدمت قيم التبخّر الإنائي الشهري المقيسة كمخرجات للشبكات العصبيّة الاصطناعيّة. قُسِّمت هذه البيانات إلى ثلاث مجموعات للتدريب والتحقّق والاختبار بالنسب 70:15:15 على الترتيب. واستخدمت خوارزميّة الانتشار العكسي في عمليّة تدريب وتحقيق الشبكة مع تغيير طرائق التدريب وعدد الطبقات الخفيّة وعدد العصبونات في كل طبقة منها. أثبتت نتائج الدّراسة قدرة الشبكة العصبيّة الاصطناعيّة متعدّدة الطّبقات ذات التّغذية الأماميّة والانتشار العكسي للخطأ على التّنبؤ بقيم التّبخر الشهري في محطة الدراسة بموثوقية عالية. وقد أظهرت النتائج القدرة الجيّدة للشبكة العصبيّة الاصطناعيّة ذات الهيكليّة 3:14:1 على التنبؤ بقيم التبخر الإنائي الشهري حيث بلغت قيمة معامل الارتباط للنموذج المقترح 96.41%، وبلغت قيمة جذر متوسط مربعات الأخطاء 9.88 mm/month خلال مرحلة التحقق من النموذج. توصي هذه الدراسة إلى الاستفادة من مميزات نماذج الشبكات العصبية الاصطناعية في التنبؤ بالسلاسل الزمنية للتبخر في بحيرة قطينة لما له من أهمية كبيرة في استكمال البيانات المفقودة. | ||
| 546 | |a AR | ||
| 546 | |a EN | ||
| 690 | |a التّبخر الإنائي، الشّبكات العصبيّة الاصطناعيّة، خوارزمية الانتشار العكسي، التقدير | ||
| 690 | |a Engineering (General). Civil engineering (General) | ||
| 690 | |a TA1-2040 | ||
| 690 | |a Education | ||
| 690 | |a L | ||
| 655 | 7 | |a article |2 local | |
| 786 | 0 | |n مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية, Vol 44, Iss 5 (2022) | |
| 787 | 0 | |n https://journal.tishreen.edu.sy/index.php/engscnc/article/view/14117 | |
| 787 | 0 | |n https://doaj.org/toc/2079-3081 | |
| 787 | 0 | |n https://doaj.org/toc/2663-4279 | |
| 856 | 4 | 1 | |u https://doaj.org/article/caa67a2e5b9a4e5daf03b743c89a0fd7 |z Connect to this object online. |