شبیه سازی تبخیر از ایستگاه سینوپتیک ایلام با استفاده از شبکه عصبی مصنوعی(ANN)

منیر شیرزاد¹

1) منیر شیرزاد، دانشجوی کارشناسی ارشد، گروه سنجش از دور دانشگاه

محل انتشار : دومین کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی ، منابع طبیعی، محیط زیست و گردشگری(2icsda.ir)
چکیده :
تبخیر یکی از عناصر مهم چرخه هیدرولوژی است که در طرح های منابع آب، سازه های آبی، آبیاری و....مدنظر قرار می گیرد. تبخیر پارامتری است که در بررسی منابع آب یک منطقه علاوه بر کیفیت آب موجود، برکیفیت آن نیز اثر گذار است. به دلیل تاثیر متقابل پارامتر های مختلف هواشناسی در محاسبه تبخیر، روابط غیره خطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند. شبکه های عصبی مصنوعی از جمله روش های نوین می باشند که برای تخمین و پیش بینی پارامتر ها با استفاده از ارتباط ذاتی بین داده ها توسعه یافته است. در این تحقیق برای شبیه سازی تبخیر شهر ایلام با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه از داده های هواشناسی شامل : دماهای حداکثرو حداقل ، مقدار رطوبت نسبی حداکثر و حداقل، سرعت باد و ساعات آفتابی روزانه به عنوان ورودی و تبخیر به عنوان خروجی شبکه عصبی استفاده شد. آماره هایی مجذور میانگین مربعات خطا((RMSE و ضریب همبستگی (R) به منظور ارزیابی مدل هایی شبکه عصبی و انتخاب بهترین مدل استفاده گردید. نتایج مبین عملکرد مناسب شبکه عصبی مصنوعی برای شبیه سازی تبخیر می باشد. مدل MLP 1-13-1 با تابع آموزش Trainlm و تابع محرک تانژانت هیپربولیک با ضریب همبستگی 98/0 و میانگین مربع خطای 0586/0 به عنوان بهترین مدل شبکه عصبی انتخاب شد.
کلمات کلیدی : تبخیر شبکه عصبی مصنوعی (ANN) شبیه سازی ایلام.