كاربرد نظريه آشوب و شبكه عصبي مصنوعي در بررسي و تخمين تبخير از سطح آب درياچه‌ها

ماهيت ديناميكي پديده‌هاي هيدرولوژيكي و نيز محدوديت دسترسي ابزارهاي رياضياتي مناسب، سبب گشته كه اكثر مطالعات پيشين در اين زمينه، منجر به نگرشي تصادفي و احتمالاتي گردد. بررسي قطعي و يا تصادفي بودن فرآيند ديناميكي مقادير تبخير از سطح آب درياچه‌ها، به منظور انتخاب روش مناسب شبيه‌سازي و بررسي قابليت پيش‌بيني، موضوع مهم و بحث برانگيزي است كه در اين تحقيق به آن پرداخته شده است. در اين راستا، با توجه به قابليت فراوان نظريه آشوب و مدل هوشمند شبكه عصبي در مطالعه رفتار سيستم‌هاي غير‌خطي پويا مقادير ماهانه تبخير سطح آب درياچه اروميه در شمال‌غربي ايران، طي يك دوره آماري 40 ساله (1346-1386) با استفاده از مفاهيم اين دو روش مورد بررسي و پيش‌بيني قرار گرفته است. نتايج بررسي شاخص‌هاي تعيين ماهيت آشوبناكي داده‌‌هاي تبخير؛ نماي لياپانوف مثبت و مقدار غير‌صحيح شيب نمودار بعد همبستگي در مقابل شعاع همبستگي، همگي نشانگر رفتار كاملا آشوبناك سري زماني تحت بررسي مي‌باشد. نتايج صحت‌سنجي حاكي از دقت بالاي نظريه آشوب و مدل شبكه عصبي مصنوعي اندكي دقت بالاتر مي‌باشد به طوريكه ميانگين خطاي مطلق (MAE) و جذر ميانگين مربعات خطا (RMSE) در شبكه عصبي مصنوعي نسبت به نظريه آشوب به ترتيب 51/2 و 25/2 ميلي‌متر كاهش يافته‌اند. همچنين نتايج مربوط به ارتفاع تجمعي تبخير در دوره صحت‌سنجي حاكي از برتري 8/3 درصدي شبكه عصبي مصنوعي نسبت به نظريه آشوب دارد.