شبیه سازی دمای خاک در اعماق مختلف با استفاده از الگوریتم ترکیبی شبکه عصبی ژنتیک (ANN-GA) و شبکه عصبی (ANN) (منطقه موردی: ایستگاه سینوپتیک زابل)

تخمین دمای خاک هر منطقه یکی از مسائل مهم در برنامه ریزی طرح های مدیریت منابع آب و استقرار پوشش گیاهی در مناطقخشک می باشد که به روش های مختلفی همچون مدل های تجربی، نیمه تجربی و هوشمند قابل انجام است. از جمله مدلهای تجربیمورد استفاده دراین زمینه می توان به شبکه عصبی مصنوعی (ANN) و الگوریتم ترکیبی شبکه عصبی- ژنتیک اشاره نمود. هدف ازانجام این پژوهش مقایسه مدل شبکه عصبی با الگورریتم ترکیبی شبکه عصبی- ژنتیک است. بدین منظور پس از با جمع آوری داده های روزانه دمای خاک در اعماق 50، 30، 20، 10، 5 و 100 سانتی متری موجود در ایستگاه سینوپتیک در سال های 1393-1390، داده های دردسترس به نسبت 60، 20 و 20 درصد به روش تصادفی به سه مجموعه آموزش، آزمون و اعتبارسنجی تقسیم خواهد شد. به منظور دستیابی آسانتر به تعیین ترکیب بهینه پارامترهای موثر از جمله دمای حداکثر، دمای حداقل، ساعات آفتابی و تبخیر درواسنجی ضرایب ANN از الگوریتم ترکیبی (ANN-GA) به عنوان یک ابزار شبیه سازی استفاده گردیده است. نتایج شبیه سازی توسط مدل ها با استفاده از معیارهای ریشه میانگین مربعات خطا (RMSE) و میانگین انحراف خطا (MAE) مورد ارزیابی قرار گرفته است. مشخصات شبکه با استفاده از بسته نرم افزاری MATLAB تعیین شد. نتایج نشان داد در شبکه عصبی نسبت به الگوریتم ترکیبی شبکه عصبی- ژنتیک از میزان خطا بیشتر و دقت کمتری برخوردار است از دلایل آن می توان به بالا بودن دقت و کارایی بالا مدلالگوریتم ترکیبی شبکه عصبی- ژنتیک نام برد.

کلیدواژه ها:

الگوریتم ژنتیک ، دمای خاک ، زابل ، شبکه عصبی ، شبیه سازی