التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة
يعتبر التبخّر مكوّناُ أساسيّاً في الدورة الهيدرولوجيّة، وهو يلعب دوراً مؤثّراً في تطوير وإدارة الموارد المائيّة. تهدف هذه الدراسة إلى التنبّؤ بالتبخّر الإنائي الشهري في محطة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة. وقد اعتمدت الدراسة من أجل ذلك على القيم الشهريّة لدرجة حرارة الهواء والرط...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Arabic |
| Published: |
Tishreen University
2017-10-01
|
| Series: | مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية |
| Online Access: | https://journal.tishreen.edu.sy/index.php/engscnc/article/view/3267 |
| _version_ | 1797675662986706944 |
|---|---|
| author | غطفان عمار بادية حيدر علاء سليمان |
| author_facet | غطفان عمار بادية حيدر علاء سليمان |
| author_sort | غطفان عمار |
| collection | DOAJ |
| description | يعتبر التبخّر مكوّناُ أساسيّاً في الدورة الهيدرولوجيّة، وهو يلعب دوراً مؤثّراً في تطوير وإدارة الموارد المائيّة. تهدف هذه الدراسة إلى التنبّؤ بالتبخّر الإنائي الشهري في محطة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة. وقد اعتمدت الدراسة من أجل ذلك على القيم الشهريّة لدرجة حرارة الهواء والرطوبة النسبيّة فقط كمدخلات، واعتمدت التبخّر الإنائي الشهري كمُخرج للشبكة. استُخدمت خوارزميّة الانتشار العكسي في عمليّة تدريب وتحقيق الشبكة مع تغيير طرائق التدريب وعدد الطبقات الخفيّة وعدد العصبونات في كل طبقة منها، وقد أظهرت النتائج القدرة الجيّدة للشبكة العصبيّة الاصطناعيّة ذات الهيكليّة 2-10-1 على التنبؤ بقيم التبخر الإنائي الشهري بمعامل ارتباط كلّي(R) 96.786% وبجذر متوسّط مربّعات الأخطاء (RMSE) 24.52 mm/month لمجموعة البيانات الكاملة، وقد أوصت الدراسة باستخدام تقنية الشبكات العصبية الاصطناعية لتحديد العناصر الأكثر تأثيراً على التبخر.
Evaporation is a major meteorological component of the hydrologic cycle, and it plays an influential role in the development and management of water resources. The aim of this study is to predict of the monthly pan evaporation in Homs meteostation using Artificial Neural Networks (ANNs), which based on monthly air temperature and relative humidity data only as inputs, and monthly pan evaporation as output of the network. The network was trained and verified using a back-propagation algorithm with different learning methods, number of processing elements in the hidden layer(s), and the number of hidden layers. Results shown good ability of (2-10-1) ANN to predict of monthly pan evaporation with total correlation coefficient equals 96.786 % and root mean square error equals 24.52 mm/month for the total data set. This study recommends using the artificial neural networks approach to identify the most effective parameters to predict evaporation. |
| first_indexed | 2024-03-11T22:17:58Z |
| format | Article |
| id | doaj.art-7f2da1db79834a168f3e767b0aa3caf6 |
| institution | Directory Open Access Journal |
| issn | 2079-3081 2663-4279 |
| language | Arabic |
| last_indexed | 2024-03-11T22:17:58Z |
| publishDate | 2017-10-01 |
| publisher | Tishreen University |
| record_format | Article |
| series | مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية |
| spelling | doaj.art-7f2da1db79834a168f3e767b0aa3caf62023-09-24T11:11:16ZaraTishreen Universityمجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية2079-30812663-42792017-10-01385التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّةغطفان عماربادية حيدرعلاء سليمانيعتبر التبخّر مكوّناُ أساسيّاً في الدورة الهيدرولوجيّة، وهو يلعب دوراً مؤثّراً في تطوير وإدارة الموارد المائيّة. تهدف هذه الدراسة إلى التنبّؤ بالتبخّر الإنائي الشهري في محطة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة. وقد اعتمدت الدراسة من أجل ذلك على القيم الشهريّة لدرجة حرارة الهواء والرطوبة النسبيّة فقط كمدخلات، واعتمدت التبخّر الإنائي الشهري كمُخرج للشبكة. استُخدمت خوارزميّة الانتشار العكسي في عمليّة تدريب وتحقيق الشبكة مع تغيير طرائق التدريب وعدد الطبقات الخفيّة وعدد العصبونات في كل طبقة منها، وقد أظهرت النتائج القدرة الجيّدة للشبكة العصبيّة الاصطناعيّة ذات الهيكليّة 2-10-1 على التنبؤ بقيم التبخر الإنائي الشهري بمعامل ارتباط كلّي(R) 96.786% وبجذر متوسّط مربّعات الأخطاء (RMSE) 24.52 mm/month لمجموعة البيانات الكاملة، وقد أوصت الدراسة باستخدام تقنية الشبكات العصبية الاصطناعية لتحديد العناصر الأكثر تأثيراً على التبخر. Evaporation is a major meteorological component of the hydrologic cycle, and it plays an influential role in the development and management of water resources. The aim of this study is to predict of the monthly pan evaporation in Homs meteostation using Artificial Neural Networks (ANNs), which based on monthly air temperature and relative humidity data only as inputs, and monthly pan evaporation as output of the network. The network was trained and verified using a back-propagation algorithm with different learning methods, number of processing elements in the hidden layer(s), and the number of hidden layers. Results shown good ability of (2-10-1) ANN to predict of monthly pan evaporation with total correlation coefficient equals 96.786 % and root mean square error equals 24.52 mm/month for the total data set. This study recommends using the artificial neural networks approach to identify the most effective parameters to predict evaporation.https://journal.tishreen.edu.sy/index.php/engscnc/article/view/3267 |
| spellingShingle | غطفان عمار بادية حيدر علاء سليمان التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية |
| title | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| title_full | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| title_fullStr | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| title_full_unstemmed | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| title_short | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| title_sort | التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة |
| url | https://journal.tishreen.edu.sy/index.php/engscnc/article/view/3267 |
| work_keys_str_mv | AT gẖṭfạnʿmạr ạltnbwbạltbkẖrạlạnạỷyạlsẖhryfymḥṭẗḥmṣạlmnạkẖỹẗbạstkẖdạmạlsẖbkạtạlʿṣbỹẗạlạṣṭnạʿỹẗ AT bạdyẗḥydr ạltnbwbạltbkẖrạlạnạỷyạlsẖhryfymḥṭẗḥmṣạlmnạkẖỹẗbạstkẖdạmạlsẖbkạtạlʿṣbỹẗạlạṣṭnạʿỹẗ AT ʿlạʾslymạn ạltnbwbạltbkẖrạlạnạỷyạlsẖhryfymḥṭẗḥmṣạlmnạkẖỹẗbạstkẖdạmạlsẖbkạtạlʿṣbỹẗạlạṣṭnạʿỹẗ |