شبيه سازي دماي خاك در اعماق مختلف با استفاده از شبكه عصبي(ANN) و مدل شبكه استنتاج تطبيقي عصبي-فازي (ANFIS) (منطقه موردي: ايستگاه سينوپتيك زابل)

Simulation of soil temperate at different depths by using ANN and ANFIS (Research station: Synoptic Station Zabol)

دماي خاك يكي از پارامترهاي مهم و تاثير گذار در فرآيندهاي هيدرولوژيكي و مطالعات كشاورزي است كه اندازه گيري و شبيه سازي آن امري ضروري مي باشد. هدف تحقيق ارائه شده شبيه سازي دماي اعماق مختلف خاك با استفاده از مدل شبكه عصبي و مدل شبكه استنتاج تطبيقي عصبي- فازي در محدوده ايستگاه سينوپتيك زابل مي باشد. در تحقيق حاضر پارامترهاي مهم هواشناسي از جمله دماي حداقل و حداكثر هوا، تبخير و ساعات آفتابي به عنوان عوامل تاثيرگذار بر دماي اعماق مختلف خاك در طول دوره آماري 3 ساله (1393-1390) انتخاب گرديد. سپس به منظور بررسي دقت روش هاي ياد شده، در مرحله اول تركيب هاي مختلفي از پارامترهاي مختلف هواشناسي از جمله دماي حداكثر، دماي حداقل، تبخير و ساعات آفتابي به عنوان ورودي¬هاي مدل و دماي خاك به عنوان خروجي مدل انتخاب گرديد. نتايج شبيه سازي توسط مدل ها با استفاده از معيارهاي ريشه ميانگين مربعات خطا (RMSE) و ميانگين انحراف خطا (MAE) مورد ارزيابي قرار گرفته است. مشخصات شبكه با استفاده از بسته نرم‌افزاري MATLAB تعيين شد. بررسي ها نشان داد كه مدل نروفازي در شبيه سازي مقادير دماي اعماق مختلف خاك از دقت بالايي برخوردار است و لذا مي توان با اطمينان بيشتري از روش ياد شده به منظور انجام شبيه سازي و تخمين هاي مورد نظر بهره برد.

Soil temperature is one of the most important and most effective factors in hydrological process and agricultural research which is necessary to be measured and simulated. Purpose of this research is to simulate soil temperature at different depths by using ANN and ANFIS in zabol Synoptic station.In this research, important weather factors including maximum temperature, minimum temperature, evaporation or sunny hours of weather were chosen as effective factors on temperature of soil at different depths from 1390 to 1393. To examine the accuracy in these models, first of all different compounds of different weather factors are considered as input (of model) and soil temperature is considered as output (of model). The results of simulation of models were estimated by criteria of root mean squares error and the average deviation error criteria. Specifications were determined by MATLAB software. The research showed that the degree of soil temperature at different depths in ANN model is highly accurate in simulation. So, we can surely sue it for simulation and estimation.