تخمین تبخیر و تعرق مرجع روزانه به کمک مدل شبکه عصبی مصنوعی و مدل ترکیبی شبکه عصبی- موجک

برآورد تبخیر و تعرق بهمنظور کاربرد در برنامهریزی، طراحی و مدیریت طرحهای آبیاری و زهکشی و مدیریت منابع آب ضروری است. در این تحقیق به ارزیابی مدلهای شبکه عصبی مصنوع، مدل شبکه عصبی- موجک، رگرسیون چند متغیره و روش تجربی هارگریوز در برآورد تبخیر و تعرق مرجع بهمنظور تعیین بهترین مدل از نظر میزان کارایی با توجه به دادههای موجود پرداخته شد. از دادههای روزانه دو ایستگاه هواشناسی فرودگاه شهرکرد و فرخشهر در منطقه خشک و سرد شهرکرد در بازه زمانی ۲۰۱۳-۲۰۰۴ شامل دمای حداقل و حداکثر، رطوبت نسیبی میانگین، سرعت باد در ارتفاع دو متری و ساعات آفتابی استفاده شد. ۷۵ درصد دادهها برای آموزش و اعتبارسنجی و ۲۵ درصد دادهها برای تست مدلها استفاده شد. شبکه طراحی شده یک شبکه عصبی پیشخور با تابع فعال تانژانت سیگموئید در لایه پنهان است. در مرحله بعدی موجکهای مختلف Haar، db و Sym روی دادهها اعمال شد و شبکه عصبی- موجک طراحی شد. برای ارزیابی مدلها روش پتمن مونتیث فائو مبنای کار قرار گرفت. برای هر چهار روش استفاده شده شاخصهای آماری RMSE، MAE و R محاسبه و رتبهدهی شدند. نتایج نشان داد که از میان مدلهای طراحی شده، شبکه عصبی موجک با موجک ۵ db عملکرد بهتری نسبت به موجکهای دیگر و همچنین نسبت به شبکه عصبی مصنوعی، روش آماری رگرسیون چند متغیره و روش هارگریوز داشته است. نتایج مدل شبکه عصبی- موجک با موجک ۵ db در ایستگاه فرخشهر بهترتیب برابر ۰/۲۶۶۸، ۰/۲۰۶۷ و ۰/۹۹۸ و در ایستگاه فرودگاه بهترتیب برابر ۰/۲۱۳۸، ۰/۱۴ و ۰/۹۹۸۹ محاسبه شد. نتایج نشان داد که شبکه عصبی- موجک عملکرد دقیقتری نسبت به سایر مدلهای مورد بررسی در این تحقیق داشت.

کلیدواژه ها:

Water Requirement ، Davbechies Wave-let ، Temperature ، Statistical Indices ، Shahrekord ، نیاز آبی ، موجک داوبچیز ، دما ، شاخص آماری ، شهرکرد