Abstract:
این مقاله به نقد و تحلیل مقاله «شبیهسازی و مقایسهی تبخیر و تعرق پتانسیل به روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5 (مطالعه موردی؛ ایستگاه سینوپتیک شیراز)» اثر محققین ارجمند (الهه ذرتیپور، لمیا نیسی، منا گلابی، اعظم بزاز و امین ذرتیپور)، که در مجله تحقیقات منابع آب ایران (سال پانزدهم، شماره 1، بهار 1398، ص 371-365) چاپ گردیده است، میپردازد. به این منظور، پس از مقدمهای کوتاه درباره اهمیت موضوع و حساسیت مقاله مزبور، به نقد و بررسی امتیازها و کاستیهای آن پرداخته شده است.
Machine summary:
بنابراین مقاله «شبیهسازی و مقایسهی تبخیر و تعرق پتانسیل به روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5 (مطالعه موردی؛ ایستگاه سینوپتیک شیراز)» به یکی از مهمترین مسائل مطرح در حوزه تبخیر-تعرق میپردازد و از این حیث قابل توجه و دارای اهمیت بسیار است.
در مقاله اصلی از روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5 برای شبیهسازی تبخیر-تعرق پتانسیل ایستگاه سینوپتیک شیراز استفاده شده است.
مقدار تبخیر-تعرق گیاه مرجع با استفاده از میزان تبخیر از تشت تبخیر محاسبه شده است و به عنوان خروجی مبنای مقایسه سه روش (روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5) مورد بررسی قرار گرفته است.
بنابراین نتایج ارائه شده برای سطح احتمال وقوع 50 درصد قابل قبول است و پیشنهاد می‌شود روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5 برای شبیهسازی تبخیر-تعرق پتانسیل با سطوح احتمال وقوع متفاوت در ایستگاه هواشناسی شیراز مورد ارزیابی قرار گیرند.
7)در پژوهش مذکور مقدار تبخیر-تعرق گیاه مرجع با استفاده از میزان تبخیر از تشت تبخیر محاسبه شده است و به عنوان خروجی مبنای مقایسه سه روش (روشهای شبکه عصبی مصنوعی، نروفازی و درخت تصمیمگیری M5) مورد بررسی قرار گرفته است.
Evaluation effect of input parameters preprocessing in artificial neural networks (ANNs) by using stepwise regression and Gamma Test techniques for fast estimation of daily evapotranspiration, Journal of water and soil, 24(3), 610-624(In Persian).
Discussion of “Simulation and Comparison of Potential Evapotranspiration by Artificial Neural Network (ANN), Adaptive Neuro-Fuzzy Inference System (ANFIS) and Decision Making Tree M5 (Case Study: Synoptic Station of Shiraz)” Hedieh Ahmadpari*1, Najmeh Ganji, Mohsen Eskafi Noghany3, Sahar Binesh 4 1-M.
(
, 
, 
)
