کاربرد شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان تبخیر از تشت تبخیر(مطالعه موردی: ایرانشهر)

تبخیر یکی از اجزای اصلی چرخه هیدرولوژی است. در سال های اخیر استفاده از سیستم های هوشمند برای براورد پدیده های هیدرولوژی افزایش چشمگیری داشته است. این پژوهش با هدف بررسی کارایی شبکه های عصبی مصنوعی و رگرسیون خطی چند متعیره جهت برآورد تبخیر از تشت انجام شده است. جهت انجام تحقیق به روش شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره، ترکیب های مختلف با 10 پارامتر هواشناسی شامل سال، ماه، متوسط درجه حرارت هوا ، میانگین حداکثر درجه حرارت هوا، میانگین حداقل درجه حرارت هوا، میانگین رطوبت نسبی، حداقل رطوبت مطلق ، حداکثر رطوبت مطلق ، میانگین حداکثر رطوبت و میانگین حداقل رطوبت به عنوان داده های ورودی برای پیش بینی تبخیر از تشت مورد بررسی قرار گرفت. برای این منظور از داده های سال های 1375 تا 1388 ایستگاه سینوپتیک ایرانشهر استفاده شد. سپس مدل رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی بین این پارامترها و تبخیر از تشت برقرار گردید. در نهایت کارایی این مدل ها با استفاده از روش اعتبارسنجی مورد ارزیابی قرار گرفتند. نتایج تحقیق نشان داد روش رگرسیون خطی چند متغیره 80/2 درصد از تبخیر از تشت و شبکه عصبی مصنوعی 95/7 درصد از تغییرات این پارامتر را در منطقه مورد مطالعه توجیه کند. نتایج آنالیز حساسیت مدل شبکه عصبی مصنوعی نشان داد پارامتر میانگین درجه حرارت حداکثر تاثیر بیشتری در دقت برآورد تبخیر از تشت درمنطقه دارد.

کلیدواژه ها:

ایرانشهر ، تبخیر از تشت ، شبکه عصبی مصنوعی ، رگرسیون خطی