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

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

علی خیراندیش1 سعید فرزین2 خسرو حسینی3 علی اصغر هاشمی4

1) دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده مهندسی عمران، دانشگاه سمنان
2) استادیار دانشکده مهندسی عمران، دانشگاه سمنان )
3) دانشیار دانشکده مهندسی عمران، دانشگاه سمنان )
4) استادیار دانشکده مهندسی عمران، دانشگاه سمنان )

کد IOI مقاله : XYEA-BZBCC
محل انتشار : چهارمین کنگره بین المللی عمران، معماری و توسعه شهری(4icsau.ir)
چکیده :
    امروزه تخمين صحيح تبخير به عنوان يكي از عناصر مهم چرخه هيدرولوژي، نقش مهمي را در توسعه پايدار و مديريت بهينه منـابع آب كشـورهاي مواجه با بحران آب مي‌تواند ايفاء كند. تاكنون روش‌ها و فرمول‌هاي تجربي فراواني در زمينه برآورد فرايند غير خطي و پيچيده تبخير از تشت ارائه شده كه با عدم قطعيت مي‌باشد و از دقت بالايي برخوردار نبوده و همچنين دسترسي به تمام پارامترهاي ورودي آنها مشكل و يا اندازه‌گيري آنها محتـاج صرف هزينه و زمان زيادي می‌باشند. در اين تحقيق كارايي سه مدل ANN، ANFIS-GP و ANFIS-SC جهت برآورد تبخير ماهانه از تشـت مورد ارزيابي قـرار گرفتـه اسـت. ورودی هر مدل شامل بارش، دما و رطوبت نسبی و خروجی میزان تبخیر از تشت تبخیر برای یک دوره 20 ساله (1393-1374) در ایستگاه واقع در شهر سمنان می‌باشد. 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 (R2) به ترتیب 940/0، 938/0 و 940/0 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) 471/41، 425/42 و 751/41 میلیمتر در روز می¬باشد. همچنين مقايسه شبکه¬های عصبی مصنوعی و سیستم فازي- عصبی تطبیقی نيز نشان داد كه روش شبکه عصبی مصنوعی داراي معيارهاي ارزيابي مناسب تري نسبت به سیستم فازي- عصبی تطبیقی مي¬باشد. بنابراین استفاده از شبکه عصبی مصنوعی جهت برآورد تبخیر از تشت برای منطقه مورد نظر توصیه می‌شود.

کلمات کلیدی : مدل¬سازی شبکه عصبی مصنوعی سیستم فازي عصبی تطبیقی تبخیر از تشت