شبیه‌سازی و مقایسه‌ی تبخیر و تعرق پتانسیل به روش‌های شبکه عصبی مصنوعی، نروفازی ودرخت تصمیم‌گیریM5 (مطالعه موردی؛ ایستگاه سینوپتیک شیراز )

نویسندگان

1 استادیار / گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.

2 استادیار / گروه مهندسی طبیعت، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان.

3 دانشجوی کارشناسی ارشد آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.

4 دانشجوی دکتری آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.

5 دانشجوی کارشناسی ارشد آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.

doi
چکیده

تخمین صحیح تبخیر‌ و تعرق در طراحی، مدیریت سیستم‌های آبیاری و زهکشی از اهمیت زیادی برخوردار است. یکی از روش‌های تخمین تبخیر و تعرق، که در حل این مسائل و پیش‌بینی آن کاربرد زیادی دارد، روش‌های نروفازی (ANFIS)، شبکه‌های عصبی مصنوعی (ANNs) و درخت تصمیم‌گیری M5 می‌باشند. هدف از این تحقیق، بررسی کارایی روش‌های مذکور در برآورد تبخیر و تعرق مرجع در ایستگاه هواشناسی شیراز می‌باشد، بدین منظور داده‌های هواشناسی روزانه 5 ساله ایستگاه مذکور به‌عنوان ورودی مدل‌ها انتخاب شدند. برای اجرای مدل شبکه عصبی مصنوعی، مدل نرو فازی و درخت تصمیم‌گیری M5 به‌ترتیب از نرم افزارهای Qnet2000، MATLAB و WEKAاستفاده گردید. جهت ارزیابی نتایج مدل‌های ذکر شده ریشه میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و معیار میانگین قدرمطلق خطای نسبی (MAE) استفاده شد. نتایج حاصل از مدل شبکه عصبی مصنوعی و مدل انفیس به کمک شاخص های آماری R2، RMSEو MAEبه ترتیب برابر با 999/0 ، 0009/0و 00000139/0- و 999/0، 001855/0و 00119/0- به‌دست آمد، که نشان از دقت بالای هر دو مدل در شبیه سازی دارد. هم‌چنین مقدار ضریب همبستگیR2 ،RMSE و MAE مدل درخت تصمیم‌گیری بترتیب برابر 717/0 ، 1088/0 و 0387/0 محاسبه شدند که نشان دهنده‌ی کارایی مناسب مدل درختی M5 در پیش‌بینی میزان تبخیر و تعرق مرجع است.