<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>موسسه انتشارات بین المللی چتر اندیشه</PublisherName>
      <JournalTitle>مجله پژوهش های معاصر در علوم و تحقیقات</JournalTitle>
      <Issn>2676-5764</Issn>
      <Volume>4</Volume>
      <Issue>41</Issue>
      <PubDate PubStatus="epublish">
        <Year>2022</Year>
        <Month>12</Month>
        <Day>22</Day>
      </PubDate>
    </Journal>

    <ArticleTitle></ArticleTitle>
    <VernacularTitle>مدل سازی قدرت تبخیر جو با استفاده از شبکه عصبی مصنوعی و الگوریتم جنگل (مطالعه موردی: ایستگاه تبریز)</VernacularTitle>
    <FirstPage>25</FirstPage>
    <LastPage>33</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>همایون</FirstName>
                <Affiliation>دانشیار، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد ساری، مازندران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>بهروز</FirstName>
                <Affiliation>کارشناس ارشد، گروه کامپیوتر، موسسه آموزش عالی روزبهان ساری، مازندران، ایران</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2022</Year>
        <Month>08</Month>
        <Day>08</Day>
      </PubDate>
    </History>

    <Abstract></Abstract>
    <OtherAbstract Language="FA">هدف از پژوهش حاضر مدل سازی قدرت تبخیر جو با استفاده از شبکه عصبی مصنوعی و الگوریتم جنگل می باشد. برای پیش‌بینی تبخیر، از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه‌سازی جنگل کمک گرفته شد. سپس با بهره‌گیری از داده‌های هواشناختی، به مدل‌سازی قدرت تبخیر جو با استفاده از شبکه عصبی مصنوعی MLP و الگوریتم بهینه‌سازی جنگل پرداخته شد. با استفاده از پنج داده ورودی شامل مقادیر دما، نم نسبی، ساعات آفتابی، فشار هوا، سرعت باد و یک داده خروجی شامل میزان تبخیر حاصل از تشتک تبخیر ایجاد شد. از سویی برای آرایش هر ساختار، هر گروه شبکه با تعداد پنج نورون برای یک لایه پنهان آموزش داده شد. بنا‌بر نتایج بدست آمده، روش پیشنهادی جنگل، میزان قدرت یا پتانسیل تبخیر جو تبریز را با خطای 0.12678 میلی متر در ماه پیش‌بینی نمود و الگوریتم بهینه‌سازی جنگل توانسته به نتیجه بهتری دست پیدا کند. بنابراین جهت مدل‌سازی قدرت تبخیر جو در ایستگاه سینوپتیک تبریز بسیار مناسب است از الگوریتم یاد شده استفاده گردد زیرا بر مبنای این روش می‌توان میزان قدرت یا پتانسیل تبخیر جو تبریز را با خطای 0.12678 میلی متر در ماه پیش‌بینی نمود.</OtherAbstract>

    <ObjectList>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/13175</ArchiveCopySource>
  </Article>
</ArticleSet>
