تعیین بهترین مدل سیستم استنتاج تطبیقی فازی- عصبی (ANFIS) در تخمین تبخیر تعرق گیاه مرجع چمن در اقلیم نیمه خشک ساحلی هرمزگان

word قابل ویرایش
23 صفحه
دسته : اطلاعیه ها
12700 تومان

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

تعیین بهترین مدل سیستم استنتاج تطبیقی فازی- عصبی (ANFIS) در تخمین تبخیر تعرق گیاه مرجع چمن در
اقلیم نیمه خشک ساحلی هرمزگان
چکیده:
تخمین دقیق تبخیر و تعرق پتانسیل((ETo به عنوان مهمترین بخش چرخه هیدرولوژی برای مناطق خشک ایران از قبیل شهر میناب که منابع آبی محدود میباشد، نقش مهمی را در برنامهریزی و مدیریت مسایل آبی ایفا میکند .در این تحقیق دقت و توانایی مدل سیستم استنتاج تطبیقی فازی- عصبی (ANFIS) در تخمین تبخیر تعرق بررسی شده است. با استفاده از متغیرهای هواشناسی (روزانه) درجه حرارت، رطوبت نسبی، ساعات آفتابی، کمبود فشار بخار، سرعت باد و تابش خورشیدی (مربوط به ایستگاه سینوپتیک شهرمیناب استان هرمزگان) بین سال های ۲۰۰۶ لغایت ۲۰۱۱، تبخیر تعرق به روش پنمن مانتیس فائو (PM) 24 محاسبه شده و از نتایج حاصله درکالیبره کردن مدل ANFIS استفاده شده است. همچنین با استفاده از ورودیهای مختلف، دقت مدل مذکور با مدلهای تجربی از قبیل هارگریوز سامانی((HS و بیلانی کریدل((BC مقایسه شده است. به منظور ارزیابی عملکرد روش های BC,HS,ANFIS با روش استاندارد پنمن مانتیس فائو از آماره های متداول سنجش خطا از قبیل ریشه میانگین مربعات خطا RMSE ) )، میانگین مطلق خطا (MAE ) و ضریب تبیین ( R2 ) استفاده شده است. نتایج حاصله نشان داد که مدل ANFIS می تواند بخوبی ETo را تخمین بزند. در بین روش های بکار گرفته شده مدل ANFIS روشی مناسب جهت ETO در منطقه میناب شناسایی گردید. ترکیب با ۶ ورودی ( با ۳ تابع عضویت و مدل گوسی ترکیبی) با مقادیر آماری R2 = 0/999 ، MAE = 0/03 (میلی متر بر روز) و RMSE= 0/04 (میلی متر بر روز ) نتایج بهتری را نسبت به سایر روشها ارائه کرده است. همچنین در این تحقیق ترکیب با ۲ ورودی ( با ۳ تابع عضویت و مدل گوسی ترکیبی) برای ایستگاههایی که فقط پارامتر دما را اندازه گیری می کنند، به عنوان مدلی مناسب معرفی می گردد.

واژه های کلیدی: استنتاج تطبیقی فازی- عصبی، بیلانی کریدل، پنمن مانتیس فائو ، تبخیر و تعرق پتانسیل، هارگریوز سامانی

مقدمه:
انتقال آب از سطح خاک به هوا را تبخیر و خارج شدن آن از گیاه را تعرق گویند. منظور از تعیین تبخیر تعرق برآورد مقدار آبی است که باید به یک پوشش زراعی داده شود، تا در طول دوره رویش صرف تبخیر تعرق نموده و بدون آنکه با کم آبی مواجه شود رشد خود را تکمیل کند و حداکثر مقدار محصول را تولید نماید.(علیزاده .(۱۳۸۱ تبخیر تعرق یکی از بخشهای مهم سیکل هیدرولوژی است و تخمین دقیق این پارامتر به منظور مطالعاتی نظیر بیلان آبی، مدیریت و طراحی سیستمهای آبیاری و مدیریت منابع آب مورد نیاز است. (لینسلی .(۱۹۸۲ این دو پدیده هر دو ماهیت تبخیری داشته و چون تفکیک آنها از یکدیگر امکان پذیرنمی باشد، مجموعاً بنام تبخیر تعرق((ET در نظر گرفته می شود(نساجی زواره و صادقی فر .(۱۳۸۶ چون تعیین ETواقعی گیاه مورد نظر کار بسیار دشواری است و معمولاً نتایج مطلوبی را به دنبال ندارد، به همین منظور از نمایه تبخیر تعرق پتانسیل((ETo به عنوان توان حداکثر تبخیری در محل استفاده می شود. که پس از بدست آوردن و ضرب کردن آن در ضریب گیاهی می توان تبخیر تعرق واقعی را بدست آورد. بطور کلی از دو روش مستقیم و غیر مستقیم جهت اندازه گیری تبخیر تعرق گیاه استفاده می شود. در روش مستقیم از دستگاهی به نام لایسیمتر((LIsimeter استفاده می شود. نصب و نگهداری این دستگاه بسیار پرهزینه است. لذا در ده های اخیر از روش های غیر مستقیم جهت تعیین تبخیر تعرق استفاده می شود. یکی از این روش های مورد تایید فرمول پنمن مانتیس فائو می باشد. این روش بر اساس ارتباط بین پارامتر های هواشناسی و ETo پایه گذاری شده است. تحقیقات زیادی در سال های گذشته جهت برآرود تبخیر تعرق توسط این روش صورت گرفته است. پرییرا و همکاران((۲۰۰۶ ، آنهی این و همکاران (۲۰۰۸) مدل پنمن و مانتیس را به عنوان روش مرجع مورد استفاده قرار داده است. همچنین محققانی چون مهاوش (۲۰۱۱) بختیاری و همکاران (۲۰۱۱) زارع ابیانه و همکاران (۱۳۸۹) نساجی زواره و صادقی فر((۱۳۸۶ روشن و همکاران((۱۳۹۰ بر روی این روش تحقیقاتی انجام داده اند. جهت ایجاد رابطه ای بین ETo و متغیرهای هواشناسی باید یک رابطه غیر خطی برقرار کرد( کیسی ۲۰۰۶ و مقدم نیا و همکاران .(۲۰۰۹ یکی از روش هایی که قادر است روابط غیر خطی بین متغیر ها برقرار کند، شبکه های عصبی و فازی-عصبی است . این روش ها در ده های اخیر توسط محققین بسیاری مورد سنجش و تایید قرار گرفته است. کومار وهمکاران (۲۰۱۲) در منطقه نگار((Ngar هندوستان با استفاده ار داده های روزانه متوسط رطوبت نسبی، تابش خورشیدی، متوسط دما و سرعت باد، مقدار تبخیر را با استفاده از روش شبکه های عصبی مصنوعی و سیستم استنتاج فازی-عصبی (ANFIS) تخمین زدند. ایشان پس از مقایسه نتایج حاصل با مقادیر تبخیر، تشت تبخیر، نتیجه گرفتند که هر دو مدل توانسته اند بخوبی تبخیر را تخمین بزنند. ولی مدل ANFIS به مقدار کمی بهتر از مدل شبکه های عصبی مصنوعی می باشد. کرم الدینی و همکاران (۲۰۱۱) دقت و توانایی مدل ANFIS را در تخمین تبخیر – تعرق بررسی نمودند. ایشان مقدار این پارامتر را با استفاده از پارامتر های روزانه هواشناسی ایستگاه سینوپتیک و لایسیمتر کرمان و روش های ANFIS، هارگریوز-سامانی، ایرماک، پریستلی- تیلور، مک کینگ و لینارک محاسبه و با یکدیگر مقایسه نمودند و به این نتیجه رسیدند که مدل ANFIS با چهار ورودی و مقادیر R2=0/988 و مقادیر خطای ۰/۲۷۹ بیشترین دقت را داشته است. شایان نژاد (۱۳۸۵) دقت روش های شبکه های عصبی مصنوعی و روش پنمن و مانتیس فائو((PM را در تخمین ETo با داده های لایسیمتری ایستگاه همدان مورد ارزیابی قرار دادند. این نتایج نشان داد که روش شبکه های عصبی مصنوعی دارای خطای کمتری(۰/۷ میلی متر در روز) نسبت به روش ۱/۲) PM میلی متر بر روز) می باشد. قبائی سوق و همکاران (۱۳۸۹) روش شبکه های عصبی مصنوعی((ANN را جهت تخمین ETo، در مقابل روش PM با استفاده از داده های لایسیمتری دانشگاه شیراز مورد بررسی قرار دادند، و به این نتیجه رسیدند که این روش با مقادیر R2=0/9994 و RMSE=0/0548 در مقابل روش PM، می تواند نتایج بهتری ارائه نماید. عصاری و همکاران((۱۳۸۸ تبخیر – تعرق گیاه مرجع را با استفاده از شبکه های عصبی مصنوعی در محیط گلخانه شبیه سازی کردند. ایشان نتایج این روش را با داده های میکرولایسیمتر واقع در گلخانه مقایسه کردند و نتیجه گرفتند که این روش با داده های ورودی تابش، دمای حداقل، دمای حداکثر ، ساعت آفتابی و فشار بخار واقعی می تواند تخمین مناسبی از ETo در گلخانه داشته باشد. صیادی و همکاران (۱۳۸۸) روش شبکه ها عصبی با تابع پایه شعاعی((RBF و شبکه های پرسپترون چند لایه((MLP را بطور ماهانه در مقابل روش PM در ایستگاه تبریز مورد مقایسه قرار دادند. با بررسی انجام شده مشخص گردید که می توان تنها با استفاده از دو پارامتر میانگین دما و سرعت باد تبخیر-تعرق را با دقت قابل قبولی( R2=0/976 و (RMSE=0/048 تخمین زد. کوچک زاده و بهمنی((۱۳۸۴ از شبکه های عصبی جهت برآرود ET0 استفاده کرد. ایشان همچنین سایر روش ها (بیلانی کریدل، جنس هیز اصلاح شده و هارگریوز سامانی) را با روش PM مقایسه کردند. نتایج حاصله نشان داد که شبکه های عصبی مصنوعی می تواند در مقایسه با سایر روش ها از دقت بالاتری برخوردار باشد. پلنگی و همکاران((۱۳۸۵ تبخیر – تعرق را با استفاده از آمار روزانه ایستگاه اهواز به روش شبکه ها عصبی محاسبه و نتایج را با روش PM مقایسه کردند. اطلاعات ورودی شامل دمای ماکزیمم، دمای مینیمم، رطوبت نسبی ماکزیمم و مینیمم، سرعت باد و ساعات آفتابی بودند . در این تحقیق مشخص گردید که می توان با استفاده از روش شبکه ها عصبی مقادیر تبخیر – تعرق را با درصد خطای کم تخمین زد. بهترین نتایج برای آرایش ۱-۶- ۱ و تابع محرگ سیگمویید حاصل گردید. هلقی و همکاران((۱۳۸۸ با استفاده از آمار روزانه ایستگاه هواشناسی گنبد و روش سیستم استنتاج فازی – عصبی((ANFIS مقادیر تبخیر را محاسبه کردند. نتایج حاصله پس از تشت مقایسه با مقادیر تشت تبخیر نشان داد که این روش دارای دقت بسیار بالایی جهت تخمین تبخیر در منطقه می باشد. شادمانی و معروفی((۱۳۸۹ با استفاده از آمار روزانه ایستگاه هواشناسی کرمان و روش های رگرسیون خطی، شبکه های عصبی((ANN، سیستم استنتاج فازی – عصبی((ANFIS و استیفنز – استوارت مقادیر تبخیر را محاسبه نمودند. داده های ورودی شامل متوسط دما، فشار، رطوبت نسبی، تابش خورشیدی و سرعت باد بوده است. نتایج خاصل از نتایج مختلف با داده های تشت تبخیر مقایسه گردید و مشخص شد که مقادیر برآورد شده توسط روش ANFIS از دقت بالاتری نسبت به سایر روش های مورد استفاده،برخوردار است( R2=0/85 و .(RMSE=1/61 مساعدی و قبائی((۱۳۹۰ مقادیر تبخیر روزانه از تشت تبخیر با استفاده از روش ANFIS ، استیفنز – استوارت و ماکیانو محاسبه نمودند. این تحقیق در منطقه شیراز انجام گرفت . پس از مقایسه خروجی ها از روش های مختلف مشخص گردید که روش ANFIS با مقادیر R2=0/9 و RMSE=1/34 بهترین روش جهت برارود تبخیر در این منطقه می باشد. انگبینی و هنر بخش((۱۳۸۹ مقادیر تبخیر – تعرق گیاه مرجع را با استفاده از روشهای شبکه های عصبی((ANN و سیستم استنتاج فازی – عصبی((ANFIS در مقایسه با روش پنمن مانتیس فائو((PM محاسبه، و نتیجه گرفتند که روش ANFIS جهت برآرود این پارامتر مناسب تر از روش ANN می باشد. زارع ابیانه و همکاران((۱۳۸۸ در منطقه همدان و با استفاده ازآمار روزانه هواشناسی با استفاده از روش های ANN و ANFIS مقادیر تبخیر – تعرق را در مقایسه با داده های لایسیمتر بدست آوردند. داده های ورودی شامل دمای حداکثر و حداقل، رطوبت نسبی، سرعت باد و ساعات آفتابی بودند. نتایج این تحقیقق بیان گر این مطلب می باشد که هر دو روش به خوبی مقادیر ET0 تخمین زده اند؛ و هیچ تفاوت معنی داری بین دو روش وجود ندارد. اما روش ANFIS کمی بهتر است . در پایان با استفاده از داده های دمای حداکثر و حداقل و ساعات آفتابی، مقادیر ETo را با دقت مناسبی تخمین زده شد ( R2=0/9 و .(RMSE=0/07 بیات ورکشی و همکاران((۱۳۸۸ جهت محاسبه ETo در منطقه همدان از چهار روش PM، بیلانی کریدل، ANN و ANFIS استفاده کردند. نتایج با داده های لایسیمتری مقایسه گردید و تعیین گردید که روش ANN با ضریب همبستگی ۰/۹۵ و با آرایش ۶-۳-۱ بهترین روش جهت برآرود E می باشد. انصاری و مرادی((۱۳۸۹ مدلی فازی جهت برآرود ETo ساعتی با کمترین داده های ورودی در سراسر کشور ایران ارائه نمودند. نتایج حاصله با داده های لایسیمتر مقایسه گردید. ایشان نتیجه گرفتند که مدل استنتاجی فازی می تواند با یک ورودی(دما) با توجه به R2=0/95 و RMSE=0/07 مدلی با دقت بالا جهت برآرود ETo ارائه نماید.

هدف از انجام این تحقیق بررسی کارآمدی سیستم استنتاج تطبیقی فازی- عصبیANFIS در تعیین تبخیر تعرق گیاه پیاز در منطقه میناب و تعیین بهترین مدل ANFIS در مقایسه با روش مبناء پنمن مانتیس فائو وهمچنین ارائه مدلی که بتواند تنها با پارامتر دما ETo را به خوبی تخمین بزند، بوده است.

مواد و روش ها:
منطقه مطالعاتی و داده های مورد استفاده:
محل اجرای آزمایش ایستگاه تحقیقاتی هواشناسی میناب در مجاورت شهرستان میناب استان هرمزگان، با مختصات جغرافیایی ۲۷ درجه شمالی و۲۴ درجه و ۵۶ دقیقه طول شرقی است که ارتفاع آن ازسطح دریا ۱۵ متر است. این شهرستان دارای آب و هوای خشک با تابستانهای بسیار گرم و زمستانهای نسبتا معتدل می باشد. این روند در پهنه بندی توسط روش دومارتن تایید می گردد. جدول ۱ مشخصات اقلیمی این شهرستان را نشان می دهد. جهت انجام این تحقیق از دوره آماری شش ساله به صورت روزانه ( ۲۰۰۶ لغایت (۲۰۱۱ استفاده گردید. در ابتدا ۱۱ پارامتر هواشناسی اندازه گیری شده در این ایستگاه به عنوان اطلاعات اولیه انتخاب و پس از تعیین همبستگی با تبخیر-تعرق خروجی از مدل پنتمن مانتیس فائو((PM ، فقط ۶ پارامتر که دارای بهترین ضریب همبستگی بودند انتخاب شدند. این پارامترها شامل میانگین دمای هوا (T) ، میانگین رطوبت نسبی (RH) ، سرعت باد (U) ، مقدار ساعت آفتابی (N) ، کمبود فشار بخار اشباع (o) و تابش خالص روی سطح گیاه (Rn) می باشند. سپس جهت تعیین کفایت داده ها، از شاخص kmo و آموزش بارتلت در نرم افزار spss16 استفاده گردید.سری اطلاعات هواشناسی موجود دارای یکسری داده گمشده بود. این داده ها عمدتاً مربوط به دما، ساعت آفتابی و رطوبت بودند. جهت بازسازی داده های گمشده از روش همبستگی و تولید رگرسیون خطی با ایستگاههای مجاور ( رودان، جاسک، کهنوج و بندرعباس ) استفاده گردید.
روش ها:
روش های ترکیبی و تجربی:
در این مقاله از روش ترکیبی پنمن مانتیس فائو و روش های تجربی بیلانی-کریدل و هارگریوز – سامانی استاده گردیده است، که به ترتیب در فرمول های ۱، ۴ و ۵ نشان داده شده است. رحیمی خوب (۲۰۰۹) فرمول پنمن مانتیس فائو را بر اساس روش آلن (۱۹۹۶) در معادله ۳ به صورت زیر بیان کرده است:

که در آن ETo تبخیر- تعرق گیاه مرجع((mm/day، Rn تابش خالص در سطح پوشش گیاهی(-Mjm-2d (1، T متوسط دمای هوا در ارتفاع ۲ متری از سطح زمین((Co، U2 سرعت باد در ارتفاع ۲ متری از سطح زمین((ms-1،
ea ed کمبود فشار بخار در ارتفاع ۲ متری (Kpa)،  شیب منحنی فشار بخار (KpaC-1)، G شار گرما به داخل خاک (Mjm-2d-1) و ضریب رطوبتی (KpaC-1) است. در رابطه بالا و ea و ed به ترتیب از روابط ۲ و ۳ محاسبه می گردند.

که در آن T و Tmin به ترتیب متوسط دمای هوا و حداقل دمای هوا((Co است. آنتونی روبرتو و همکاران (۲۰۰۶) ، یانهی و همکاران (۲۰۰۸) ، رحیمی خوب (۲۰۰۹) و سایر محققین برتری این روش را نسبت به سایر روش های ترکیبی و تجربی بیان کرده اند(برینجینا و گیولن((۲۰۰۵، گیولن و همکاران((۲۰۰۷، لوپز و همکاران((۲۰۰۶، پرییرا و پریوت((۲۰۰۴، اسمیت و همکاران(.((۱۹۹۷ در این طرح، به علت عدم دسترسی به لایسیمتر جهت برآورد دقیق پارامتر تبخیر- تعرق و همچنین با توجه به تایید روش پنمن – مانتیس – فائو ۲۴ به عنوان یکی از روشهای پایه جهت تبخیر- تعرق گیاه مرجع، از این روش به عنوان روش رفرنس جهت مقایسه سایر روشها استفاده گردیده است.

که در آن ETo تبخیر- تعرق گیاه مرجع ( mm/day )، P ضریب مربوط به طول روز ( درصد) ، T متوسط ماهانه درجه حرارت (Co)و a و b ضرائب اقلیمی است. با توجه به بررسی های FAO 24 در بسیاری از ایستگاههای کم آمار ( مانند کشور ایران ) بیلانی-کریدل برتری خود را نسبت به روش پنمن – مانتیس حفظ کرده است. روشن و همکاران ( ۱۳۹۰ ) و فرهودی و شمسی پور ( ( ۱۳۷۹ بیات ورکشی و همکاران ( ( ۱۳۸۸ این روش را جهت برآورد تبخیر- تعرق در نظر گرفته اند.

در این معادله ETo تبخیر- تعرق گیاه مرجع چمن ( میلی متر بر روز )، S درصد ساعات تابش آفتاب،TD تفاوت متوسط دمای ماکزیمم و مینیمم روزانه (Co)، Ra تابش برون زمینی ( میلی متر) و T میانگین دمای روزانه (Co) است.
روش سیستم استنتاجی تطبیقی فازی-عصبی :(ANFIS)
در این بخش از پژوهش از منطق فازی برای پیوسته کردن متغیرهای ورودی به شبکه، که شامل اطلاعات مربوط به فرایند تبخیر- تعرق می باشد، استفاده شده است( آبیک .( ۲۰۰۸ این سیستم نوعی شبکه تطبیقی چند لایه، متشکل از عناصر اصلی و توابع سیستمهای منطق فازی است که توسط یانگ (۱۹۹۳) بسط داده شد(مساعدی و قبائی سوق .(۱۳۹۰ در مجموع سیستم ANFIS متشکل از ساختار ۵ لایه با تعدادی متغیر ورودی است که هر ورودی دو یا چند تابع عضویت دارد. شکل۲ مثالی از شبکه ANFIS با دو ورودیv و d ، یک خروجی f و دو قانون است(بیات ورکشی و همکاران .(۱۳۸۸

شکل-۲ ساختار مدل ANFIS با دو ورودی و یک خروجی

ساختار مناسب ANFIS متناسب با داده های ورودی، نوع تابع عضویت ورودی و خروجی، قوانین و تعداد توابع عضویت انتخاب می گردد .روش آموزش اصلی در این سیستم، روش پس انتشار خطا است که در ترکیب با کم ترین مربعات خطا، روش ترکیبی هیبرید بدست می آید. پس از محاسبه خطا، مقدار خطا به سمت ورودی ها، پخش و پارامترها تصحیح می شود (شادمانی معروفی .(۱۳۸۹ در ANFIS قوانین ثابت می باشد و آنچه بهینه سازی می شود توابع عضویت است ( کریم الدینی .(۲۰۱۱ در این طرح از MATLAB R 2008a جهت اجرای برنامه ANFIS استفاده شده است. توابع عضویت مثلثی، ذوزنقه ای، زنگوله ای عمومی و گوسی ترکیبی به عنوان توابع ورودی و از توابع عضویت خطی به عنوان تابع خروجی استفاده گردید. برای تخمین ETo با توجه به تعداد ترکیبات ورودی و نوع تابع عضویت، در مجموع ۴۸ آرایش مختلف اجرا گردید. همچنین فقط از قانون آموزش ترکیبی استفاده شد.

معیارهای ارزیابی نتایج:
به منظور ارزیابی عملکرد روش های BC,HS,ANFIS با روش استاندارد پنمن – مانتیس فائو((PM از آماره های متداول سنجش خطا از قبیل ریشه میانگین مربعات خطا RMSE) )، میانگین مطلق خطا (MAE) ، ضریب تبیین ( R2 ) و نسبت تخمین((R استفاده شده است . معادلات ۷ تا ۱۰ آماره های مذکور را نشان می دهند. هرچه آماره های مربوط به خطا نزدیک به صفر و ضریب تبیین نزدیک به ۱ باشد، عملکرد مدل مورد بررسی با روش استاندارد بهتر خواهد بود مهاوش .(۲۰۱۱) سیدون ترا و همکاران (۲۰۰۸) کریم الدینی و همکاران (۲۰۱۱)، این آماره ها را جهت تعیین عملکرد انتخاب نموده اند.

در روابط بالا n تعداد داده ها، ETo مقدار تبخیر- تعرق معادله پنمن – مانتیس، ETa میانگین تبخیر- تعرق پنمن مانتیس و ETm تبخیر- تعرق حاصل از هریک از روش ها می باشد. در نهایت با ترسیم نتایج نمودار رگرسیونی مطابق مدل خطی مناسب بودن عملکرد بکار گرفته شده ، ارزیابی گردید. در مدلهای خطی Y=A+BX هرچه ضریب عرض از مبداء (a) به صفر و شیب خط ( b) به یک نزدیکتر باشد، نشان دهنده مطلوب بودن مدل است(رضائی (۱۳۸۳ و (ایرمارک .( ۲۰۰۳ جهت تعیین تبخیر – تعرق توسط روش ANFIS، با توجه به دوره آماری مذکور در کل ۲۱۹۰ رکورد داده جهت مدل سازی تبخیر – تعرق جمع آوری گردید. جدول ۲ نتایج حاصل از اجرای نرم افزارSPSS 16 در تعیین ارتباط بین متغیرهای وابسته و متغیر مستقل ( ETO) بر اساس ضریب همبستگی پیرسون برای پیشنهاد مقادیرهای مختلف ورودی نشان می دهد.

در روش ANFIS داده های ورودی به مدل به سه دسته تقسیم می گردند.

-۱ داده های آموزش
-۲ داده های چک
-۳ داده های تست

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 12700 تومان در 23 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد