شبيه سازي تبخير مخازن چاه نيمه زابل با استفاده از مدل ديناميكي شبكه عصبي ومعادلات تجربي  Fulltext 

[ جمشيد پيري ] - دانشگاه شيراز
[ سيف الله امين ] - دانشگاه شيراز
[ داور خليلي ] - دانشگاه شيراز
[ اسلام كشاورز ] - دانشگاه شيراز

خلاصه مقاله:

بررسي وضعيت منابع آب در ايران نشان ميدهد كه ميانگين بارندگي ساليانه ايران در حدود 250 ميلي متر است، كه اين مقدار 30 درصد متوسط بارندگي در خشكي هاي كره زمين (730 ميلي متر) مي باشد. اين در حالي است كه متوسط ساليانه تبخير در ايران تقريبا 180 ميلي متر معادل 71 درصد بارندگي متوسط ساليانه برآورد گرديده است. در زمينه تبخير مدل هاي زيادي ارائه شده است كه بيشتر اين مدل ها نيازمند پارامترهاي ورودي هستند كه يا دسترسي به انها مشكل است و يا اندازه گيري انها محتاج صرف هزينه و زمان زيادي مي باشد. در بحث شناسايي سيستم، مدل هاي اماري قوي براي مدلسازي فرايندهاي اتفاقي و سري هاي زماني وجود دارد. به طور كلي مدل هاي ديناميك در بررسي ها ي كوتاه مدت، دقيق تر از مدل هاي استاتيك پاسخ مي دهد. يكي از اين مدلها، مدل // است. در اين مقاله از تركيب اين مدل با ساختار شبكه عصبي (NN-ARX) جهت تخمين تبخير استفاده شده است. در اين مطالعه بهترين تركيب براي ورودي شبكه دما، باد، رطوبت نسبي، كمبود فشار بخار اشباع مي باشد. پس از اجراي برنامه مذكور نتايج تحليل آماري MAE= 0/9965 , d=0/78 , RNSE=7/93 حاصل گرديد كه نشان از توانايي اين مدل در شبيه سازي فرايند اتفاقي تبخير (كه معادلاتي ديناميك بر روند آن حاكم است) دارد. با مقايسه نتايج حاصل از مدل شبكه عصبي ديناميكي و روابط تجربي با داده هاي اندازه گيري تبخير مشاهده گرديد كه مدل داراي ضريب تبيين R2= 0/9854 بوده، در حالي كه مقدار اين ضريب براي معادلات تجربي حدود 0/85 بدست امد. بنابراين مي توان نتيجه گرفت كه مدل شبكه عصبي ديناميكي كاربرد بهتري نسبت به معادلات تجربي براي تخمين تبخير دارد.

مخازن چاه نيمه ، تبخير ، شبكه عصبي ، NN-ARX