شبیه سازی دستگاه لایسیمتری بوسیله سیستم های هوش مصنوعی منطق فازی و شبکه عصبی

باتوجه به ضرورت براورد تبخیر تعرق درمیدریت منابع اب برنامه ریزی ابیاری و ارزیابی اثرات تغییرکاربری اراضی برروی بازده و تامین نیاز آبی گیاهان تعیین دقیق تبخیر تعرق مرجع بسیار مهم و حیاتی می باشد باتوجه به مشکلات متعددی که دربکارگیری لایسیمتر ها وجود دارد استفاده ازمدلهایی که بتوانند این فرایند را بدقت مطلوبی شبیه سازی و براورد نمایند امری ضروری به نظر می رسد همچنین به دلیل تاثیر متقابل پارامترهای هواشناسی شیوه های قدیمی مواجهه با عدم قطعیت درتخمین تبخیر و تعرق گیاه دربسیاری ازموارد با پیچیدگی های بسیاری روبروهستند و تخمین دقیق آن کاری پیچیده است بدین منظوردراین مقاله ازدو سیستم استنتاج فازی سوگینو و ممدانی و شبکه های عصبی و مقایسه بین آنها به منظور شبیه سازی دستگاه لایسیمتری استفاده گردید دراین مقاله مقادیر حداقل ریشه میانگین مربع خطا RMSE خطای انحراف میانگین MBE ضریب تعیین و معیار جاکوویدزt درمرحله ازمایشبرای مدل فازی سوگینو به ترتیب برابر با 0.3077و0.059و20.26 و مدل فازی ممدانی به ترتیب برابر با 21.56و0.3377و0.071ومدل شبکه عصبی 0.34و0.096و21.32 هستند نتایج نشان میدهد که سیستم استنتاج فازی سوگینو درمقایسه با روشهای ترکیبی قابلیت بالایی درتخمین مقدار تبخیر و تعرق گیاه مرجع دارد.

کلیدواژه ها:

تبخیروتعرق گیاه مرجع ، سیستم استنتاج فازی ، پارامترهای هواشناسی ، لاییسمتر ، روش ، روش پنمن ـ مونتیث ، فائو ، شبکه های عصبی