حمیده افخمی؛ اعظم حبیبی پور؛ محمد رضا اختصاصی
چکیده
تبخیر یکی از پارامترهای اقلیمی مهم در مناطق خشک است و نقش مهمی را در مدیریت منابع آب بازی میکند، به همین جهت آگاهی از مقدار تبخیر و مدلسازی آن به عنوان یکی از متغیرهای مهم هیدرولوژیکی در تحقیقات کشاورزی و حفاظت آب و خاک از اهمیت زیادی برخوردار است. در دهههای اخیر روشهای هوش مصنوعی در تخمین و پیشبینی پدیدههای غیرخطی توانایی ...
بیشتر
تبخیر یکی از پارامترهای اقلیمی مهم در مناطق خشک است و نقش مهمی را در مدیریت منابع آب بازی میکند، به همین جهت آگاهی از مقدار تبخیر و مدلسازی آن به عنوان یکی از متغیرهای مهم هیدرولوژیکی در تحقیقات کشاورزی و حفاظت آب و خاک از اهمیت زیادی برخوردار است. در دهههای اخیر روشهای هوش مصنوعی در تخمین و پیشبینی پدیدههای غیرخطی توانایی بالایی از خود نشان داده است. در این تحقیق از سه روش مهم دادهکاوی شامل شبکة عصبی مصنوعی، شبکههای استنتاج فازی و درخت تصمیم رگرسیونی جهت پیشبینی تبخیر ماهانه در ایستگاه سینوپتیک یزد استفاده شد. برای این منظور از 8 متغیر هواشناسی در مقیاس ماهانه (متوسط کمینة دما، متوسط بیشینة دما، میانگین دما، ساعات آفتابی، سرعت باد، جهت باد، میانگین رطوبت نسبی و تبخیر) به عنوان ورودی مدل استفاده گردید. نتایج بهدستآمده نشان داد هر سه مدل نامبرده قادرند با استفاده از پارامترهای اقلیمی مذکور به پیشبینی مقدار تبخیر ماهانه 12 ماه بعد از وقوع بپردازند ولی در میان سه مدل مورد استفاده، شبکة عصبی مصنوعی با ضریب همبستگی برابر با 97/0r=، 1/5RMSE=،3/36MAE= و 48/0-ME= بهترین کارایی را از خود نشان داد. همچنین نتایج نشان داد در پیشبینی تبخیر، تفاوت قابلملاحظهای در زمان استفاده از دادههای خام و دادههای نرمال شده وجود ندارد و پردازش دادهها تأثیر چندانی در بهبود نتایج مدلها نخواهد داشت.