مقایسه سیستمهای هوش مصنوعی ( ANNs و ANFIS) در برآورد میزان تبخیر از تشتک - مطالعه موردی: ایستگاه سینوپتیک چابهار

امروزه در دنیا، آب و منابع آب، یکی از پایه های اصلی توسعه پایدار به شمار می رود. با توجه به محدودیت منابع آب در مناطق خشک و نیمه خشک، جلوگیری از هدر رفت آب از طریق تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه و مدیریت منابع آب بازی میکند. در زمینه برآورد تبخیر از تشتک روشها و فرمولهای تجربی زیادی ارائه شده است که اکثر آنها نیازمند پارامترهای ورودی متعددی هستند که یا دسترسی به آنها مشکل است و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد. در این تحقیق از دو مدل، ANFIS, ANNs جهت برآورد تبخیر از تشتک تحت مطالعه موردی در ایستگاه سینوپتیک و چابهار(تحت شرایط اقلیمی خشک و گرم ساحلی) استفاده شده است. برای این منظور، بهترین ترکیب ورودی مدل با استفاده از آزمون گاما، میانگین روزانه دما، رطوبت نسبی، سرعت باد، تعداد ساعات آفتابی و میانگین فشار هوا انتخاب گردید. براساس نتایج حاصله ازبکارگیری معیارهای ارزیابی کارایی مدل ANFIS برای ایستگاه چابهار R(2)-0/966 و RMSE-3/88 و d-0/991 و MAE-0/160، با استفاده از 3 تابع عضویت نوع گوسی تعیین گردید. همچنین براساس نتایج حاصله ازبکارگیری معیارهای ارزیابی کارایی مدل ANNs برای ایستگاه چابهار R(2)-0/962 و RMSE-4/36 و d-0/989 و MAE-0/24، حاصل گردید که نشان از توانایی بهتر مدل ANFIS در برآورد فرآیند تبخیر از تشتک در این ایستگاه دارد.

کلیدواژه ها:

آزمون گاما ، ایستگاه سینوپتیک چابهار ، تبخیر از تشتک ، شبکههای عصبی مصنوعی ، شبکههای عصبی فازی