پیش بینی تبخیر ماهانه با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی – فازی (مطالعه موردی:ایستگاه تمر گرگان)

امروزه در دنیا، آب و منابع آ ب ، یکی از پایه های اصلی توسعه پایدار به شمار می رود. تغییر و تحول کمی و کیفی منابع آب تحت تأثیر فعالیت های مختلف در هر حوزه هیدرولوژیکی رخ می دهد که با توجه به محدودیت منابع آب، جلوگیری از آن بسیار مهم و حیاتی می باشد. در زمینه تبخیر مدل های زیادی ارائه شده است که بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد. در بحث شناسائی سیستم، مدل های آماری قوی برای مدلسازی فرآیندهای اتفاقی و سری های زمانی وجود دارد.در این تحقیق P باران ماهانه، T دمای متوسط ماهانه، T2 حداکثر مطلق دما و T3 حداقل مطلق دما، متوسط حداقل دما T4 و متوسط حداکثر دما T5 به عنوان ورودی و تبخیر ماهانه، خروجی مدل با استفاده از شبکه عصبی مصنوعی و همچنین سیستم استنتاج عصبی - فازی با توابع مختلف آموزش شبی هسازی شده است. نتایج نشان دادکه شبکه عصبی مصنوعی با تابع آموزش trainlm با ضریب تبیین 0.69 و میانگین مربع خطای 0.99 از دقت بالاتری نسبت به مدل های دیگر در ایستگاه تمربرخوردار است.

کلیدواژه ها:

تبخیر ، تمر ، شبکه عصبی ، پیش بینی ، سیستم استنتاج عصبی- فازی