شبیه سازی تبخیر روزانه به کمک مدل های سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) و رگرسیون چندمتغیره (MR) در ایستگاه سینوپتیک تبریز

استفاده از مدل­های تجربی برآورد تبخیر نیاز به متغیرهای زیادی دارند که برخی از آن­ها در ایستگاه­های کشور قابل اندازه­گیری نیستند لذا این تحقیق با هدف شبیه­سازی تبخیر روزانه در ایستگاه سینوپتیک تبریز به کمک داده­های هواشناسی شامل متوسط درجه حرارت هوا (c )، میانگین سرعت باد (m/s)، میانگین رطوبت نسبی (%) و ساعات آفتابی با استفاده از مدل­های سیستم استنتاج تطبیقی عصبی- فازی و رگرسیون چندمتغیره با معماری­های مختلف و در وضعیت­های مختلف از متغیرهای ورودی انجام شد. پس از استانداردسازی داده­ها، جهت آموزش شبکه از ۸۵ درصد داده­ها و جهت آزمون کارایی مدل­ها (با شاخص­های RMSE و R۲) از ۱۵ درصد داده­ها استفاده شد. نتایج مدل سیستم استنتاج تطبیقی عصبی- فازی نشان داد که مدل بهینه نروفازی با ۱ و ۲ متغیر ورودی از نوع شبکه (با ۳ تابع عضویت گوسی) و با ۳ و ۴ متغیر ورودی از نوع خوشه­ای است. طبق نتایج مدل رگرسیونی اضافه نمودن متغیر رطوبت نسبی باعث تغییرات قابل­ملاحظه­ شاخص­های اعتبارسنجی در بخش داده­های آموزش و آزمون نشد و متغیر ساعت آفتابی در مدل رگرسیونی حفظ نشد. طبق نتایج می­توان به کمک مدل سیستم استنتاج تطبیقی عصبی- فازی نسبت به رگرسیون، ضریب تبیین شبیه­سازی را بیش از ۱۰ درصد افزایش داد که لازمه آن استفاده از ۴ متغیر ورودی شامل متوسط درجه حرارت هوا، متوسط سرعت باد، رطوبت نسبی و ساعت آفتابی و مدل­سازی با مدل نروفازی خوشه است.

کلیدواژه ها:

Daily evaporation ، Tabriz ، Multiple Regression ، Modeling ، Neuro-Fuzzy ، تبخیر روزانه ، تبریز ، رگرسیون چندمتغیره ، مدل سازی ، نروفازی