Нейросетевое моделирование водопотребления

Авторы

  • Галина Николаевна Камышова Саратовский государственный аграрный университет имени Н.И. Вавилова,
  • Дмитрий Александрович Колганов Саратовский государственный аграрный университет имени Н.И. Вавилова,
  • Надежда Николаевна Терехова Саратовский государственный аграрный университет имени Н.И. Вавилова,

DOI:

https://doi.org/10.28983/asj.y2021i5pp88-92

Ключевые слова:

водопотребление, орошение, искусственная нейронная сеть, оптимизация, модель

Аннотация

Оптимизация управления водными ресурсами для орошаемого земледелия требует развития современных подходов к определению и прогнозированию водопотребления, несмотря на большое число уже разработанных моделей. В статье представлены подходы к нейросетевому моделированию водопотребления. Преимуществами такого моделирования являются высокая точность и способность адаптации к изменяющимся параметрам модели, что отличает их от традиционных методов и позволяет обеспечивать оптимальные результаты с точки зрения минимизации ошибок и увеличения тесноты связи между переменными.

Скачивания

Данные скачивания пока недоступны.

Биографии авторов

Галина Николаевна Камышова, Саратовский государственный аграрный университет имени Н.И. Вавилова,

канд физ-мат наук

Дмитрий Александрович Колганов, Саратовский государственный аграрный университет имени Н.И. Вавилова,

канд техн наук

Надежда Николаевна Терехова, Саратовский государственный аграрный университет имени Н.И. Вавилова,

канд техн наук

Библиографические ссылки

Дифференцированные оросительные нормы сельскохозяйственных культур для почвенно-климатических условий Республики Крым / А.Н. Бабичев [и др.] // Пути повышения эффективности орошаемого земледелия. – 2017. – № 4(68). – С. 133–137.

Информационные технологии планирования водопользования в хозяйствах / В.И. Ольгаренко [и др.] // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. – 2012. – №78. – С. 279–290.

Определение суммарного водопотребления сельскохозяйственных культур в аридных зонах / В.В. Корсак [и др.] // Научная жизнь. – 2016. – № 1. – С. 41–51.

Панкова Т.А. Исследование изменчивости биоклиматических коэффициентов люцерны от влагообеспеченности сельскохозяйственного поля// Научная жизнь. – 2014. – №4. – С. 43–49.

Хайкин С. Нейронные сети: полный курс. 2-е изд. – М.; СПб., 2019. – 1103 с.

Черемисинов А.А., Черемисинов А.Ю. Обзор расчетных методов определения суммарного испарения орошаемых сельскохозяйственных полей // Научный журнал Российского НИИ проблем мелиорации. – 2016. – №1(21). – С. 41–51.

Ahooghalandari M., Khiadani M., Jahromi M. E. Developing equations for estimating reference evapotranspiration in Australia // Water Resources Management. 2016. Vol. 30 (11). P. 3815-3828.

Antonopoulos V.Z., Antonopoulos A.V. Daily reference evapotranspiration estimates by arti?cial neural networks technique and empirical equations using limited input climate variables // Computers and Electronics in Agriculture. 2017. No. 132. P. 86–96.

Beale M., Hagan M., Demuth H. Neural Network ToolboxTM User’s Guide. The Math Works, Inc, 2015. 406 p.

Chapter 2 - FAO Penman-Monteith equation. – URL: http://www.fao.org/docrep/x0490e/x0490e06.htm.

Dou X., Yang Y. Evapotranspiration estimation using four di?erent machine learning approaches in di?erent terrestrial ecosystems// Computers and Electronics in Agriculture. 2018. No. 148. P 95–106.

Laaboudi A., Mouhouche B., Draoui B. Neural network approach to reference evapotranspiration modeling from limited climatic data in arid regions // International Journal of Biometeorology. 2012. No. 56, P. 831–841.

Lu J., Sun G., McNulty G.S., Amatya M.D. A comparison of six potential evapotranspiration methods for regional use in the southeastern united states// Journal of the American Water Resources Association. 2005. No. 41(3). P. 621–633.

Schmidhuber J. Deep Learning in neural networks: An overview // Neural Networks. 2015. Vol. 61 P. 85–117.

Загрузки

Опубликован

2021-11-17

Выпуск

Раздел

Агроинженерия

Наиболее читаемые статьи этого автора (авторов)

1 2 > >>