بازسازی داده های مفقوده مجموع ماهیانه ساعات آفتابی با استفاده از شبکه های عصبی مصنوعی

تبخیر-تعرق گیاه مرجع یکی از عوامل مهم چرخه هیدرولوژیکی است که باید در طرح سیستم های آبیاری، تاسیسات آبی، مطالعات زهکشی و هیدرولوژیکی برآورد شود. یکی از داده های موردنیاز برای محاسبه این پارامتر بااهمیت، مقدار تابش خورشیدی می باشد که در صورت عدم وجود داده های آن از مجموع ماهیانه ساعات آفتابی استفاده می شود. با توجه به اینکه در اکثر ایستگاه های هواشناسی کشور در سال های گذشته داده های مربوط به مجموع ماهیانه ساعات آفتابی موجود نمی باشد، نیاز به بازسازی داده های مربوط به آن احساس می شود. در تحقیق حاضر با استفاده از دو نوع شبکه عصبی مصنوعی MLP و RBF و همچنین داده های هواشناسی ایستگاه هدف و ایستگاه های مجاور اقدام به بازسازی داده های مجموع ماهیانه ساعات آفتابی گردید. نتایج این تحقیق نشان داد که می توان با استفاده از داده های هواشناسی ایستگاه هدف و ایستگاه های مجاور، مجموع ماهیانه ساعات آفتابی را با دقت بالایی بازسازی کرد. نتایج سناریوهای مختلف اعمال شده نشان داد که درصورتی که صرفا از داده های هواشناسی ایستگاه هدف استفاده شود می توان با پارامترهای هواشناسی حداقل و حداکثر دما، رطوبت نسبی متوسط، تابش فرازمینی و تعداد روزهای صاف، ابری و نیمه ابری با RMSE، ۷۹/۱۶ ساعت و درصد خطای متوسط ۴۴/۶ درصد مجموع ماهیانه ساعات آفتابی را تخمین زد. همچنین درصورتی که تنها از داده های ایستگاه مجاور استفاده شود، استفاده از ایستگاه های بیش­تر منجر به افزایش دقت می شود (RMSE، ۲۵/۱۴ ساعت و درصد خطای متوسط ۷۱/۵ درصد). بهترین نتیجه زمانی به دست آمد که از هر دو سری داده هواشناسی ایستگاه هدف و ایستگاه های مجاور استفاده شود (RMSE، ۷۸/۱۳ و درصد خطای متوسط ۹۷/۴ درصد). مقایسه عملکرد دو شبکه عصبی مصنوعی MLP و RBF نشان داد که دقت شبکه عصبی مصنوعی MLP تا حدودی بیش­تر از شبکه عصبی RBF می باشد. در پایان نیز سری زمانی تبخیر- تعرق مرجع برای سال هایی که داده مجموع ماهیانه ساعات آفتابی موجود نبود، بازسازی گردید.

کلیدواژه ها:

بازسازی داده ، تبخیر-تعرق ، شبکه عصبی ، مجموع ماهیانه ساعات آفتابی