بررسي عملكرد شبكه‌هاي عصبي در بر‌آورد تبخير و تعرق گياه مرجع (مطالعه موردي: ايستگاه سينوپتيك اهواز)

Assessment artificial neural networks revenue for estimation of reference evapotranspiration (A Case Study: Synoptic stations Ahwaz)

تبخير و تعرق يكي از پارامترهاي مؤثر بر بيلان آبي حوضه‌هاي آبريز و از اجزاي اصلي چرخه هيدرولوژيكي محسوب مي­ شود. به علت نياز به برگ خريدهاي اقليمي مختلف و اثر متقابل اين برگ خريدها برهم ديگر تبخير و تعرق يك پديده غير­خطي و پيچيده مي‌باشد. يكي از مراحل پيچيده در مدل‌سازي سيستم‌هاي غيرخطي، پيش پردازش پارامترهاي ورودي جهت انتخاب تركيبي مناسب است. در اين پژوهش امكان استفاده از شبكه‌هاي MLP,MNN و FF براي تخمين تبخير و تعرق گياه مرجع مورد مطالعه قرار گرفته است و در اين راستا از نرم ­افزار MATLAB كمك گرفته شد. با استفاده از سري داده‌هاي هواشناسي سال‌هاي 93 – 1377 ايستگاه اهواز، ابتدا مقادير متوسط تبخير و تعرق روزانه گياه مرجع از روش استاندارد فائوپنمن­ مانتيث محاسبه شد، سپس با‌ استفاده از اين مقادير به‌ عنوان خروجي‌هاي هدف، شبكه‌هاي مختلفي با ساختارهاي متعارف تعريف و آموزش داده شد. درنهايت قابليت شبكه براي تخمين تبخير و تعرق با استفاده از قسمتي از داده‌ها كه در طراحي و يا آموزش شبكه استفاده‌ نشده است، موردبررسي قرار گرفت. با بررسي­ ها انجام‌گرفته مشخص شد كه تنها با استفاده از پارامتر دماي متوسط روزانه به‌عنوان ورودي، مي‌توان ميزان تبخير و تعرق گياه مرجع را با استفاده از سه نوع شبكه با دقت قابل قبولي تخمين زد. هم‌چنين با مقايسه نتايج حاصل از سه شبكه با آزمون‌هاي آماري مشخص شد كه شبكه‌هايFF و MLP با R²بيش­تر نسبت به MNN در تعيين تبخير و تعرق گياه مرجع از دقت بيش‌تري برخوردار مي‌باشند.

Evapotranspiration is one of the parameters affecting the watershed water balance and as a basic parameter in hydrologic cycle.Being a function of different metrological parameters and their interactions, evapotranspiration is a complex, nonlinear phenomenon. Preprocessing input parameters to select appropriate combinations is complex when modeling nonlinear systems. Therefore, in this study artificial neural networks MLP, FF and MNN for evapotranspiration modeling and in this context of MATLAB software was used. By using the climatic data in Ahvaz climateyears 1988-2014, the average values of reference crop evapotranspiration was calculated by FAO Penman Montith standard.Then these values was used as output targets of different networks with conventional structures defined and trained. Eventually capability of estimation of evapotranspiration network by using the part of the data network is not used in the design or training, was evaluated. With reviews was conductedshowed who using only the daily average temperature as an input parametercan be the reference evapotranspiration using three types accurately estimate network. Also compares the results of three network tests showed that FF and MLP networks to MNN for determining reference evapotranspiration are higher accuracy.