مقایسه کارایی مدل های هوشمند جهت تخمین تبخیر از تشت با استفاده از حداقل پارامترهای هواشناسی

امروزه تخمین صحیح تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه پایدار و مدیریت بهینه منابع آبکشورهای مواجه با بحران آب میتواند ایفاء کند. تاکنون روشها و فرمول های تجربی فراوانی در زمینه برآورد فرایند غیر خطی و پیچیدهتبخیر از تشت ارایه شده که با عدم قطعیت می باشد و از دقت بالایی برخوردار نبوده و همچنین دسترسی به تمام پارامترهای ورودی آنهامشکل و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشند. در این تحقیق کارایی سه مدل ANFIS-GP, ANN وANFIS-SC جهت برآورد تبخیر ماهانه از تشت مورد ارزیابی قرار گرفته است. ورودی هر مدل شامل بارش، دما و رطوبت نسبی وخروجی میزان تبخیر از تشت تبخیر برای یک دوره 20 ساله (1393-1374) در ایستگاه واقع در شهر سمنان می باشد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی، حداکثر مقادیر ضریب تبیین ((R(2)به ترتیب 0/940، 0/938 و 0/840 مشاهده شد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی حداقل مقدار ریشه میانگین مربعات خطا (RMSE)؛ 41/471، 42/425 و 41/751 میلیمتر در روز می باشد.همچنین مقایسه شبکه های عصبی مصنوعی و سیستم فازی - عصبی تطبیقی نیز نشان داد که روش شبکه عصبی مصنوعی دارایمعیارهای ارزیابی مناسب تری نسبت به سیستم فازی - عصبی تطبیقی می باشد. بنابراین استفاده از شبکه عصبی مصنوعی جهت برآوردتبخیر از تشت برای منطقه مورد نظر توصیه می شود.

کلیدواژه ها:

مدلسازی ، شبکه عصبی مصنوعی ، سیستم فازی - عصبی تطبیقی ، تبخیر از تشت