شبيه سازي و مقايسه ي تبخير و تعرق پتانسيل به روش هاي شبكه عصبي مصنوعي، نروفازي ودرخت تصميم گيريM5 (مطالعه موردي؛ ايستگاه سينوپتيك شيراز )

Simulation and Comparison of Potential Evapotranspiration by Artificial Neural Network (ANN), Adaptive Neuro-Fuzzy Inference System (ANFIS) and Decision Making Tree M5 (Case Study: Synoptic Station of Shiraz

تخمين صحيح تبخير و تعرق در طراحي، مديريت سيستم هاي آبياري و زهكشي از اهميت زيادي برخوردار است. يكي از روش هاي تخمين تبخير و تعرق، كه در حل اين مسائل و پيش بيني آن كاربرد زيادي دارد، روش هاي نروفازي (ANFIS)، شبكه هاي عصبي مصنوعي (ANNs) و درخت تصميم گيري M5 مي باشند. هدف از اين تحقيق، بررسي كارايي روش هاي مذكور در برآورد تبخير و تعرق مرجع در ايستگاه هواشناسي شيراز مي باشد، بدين منظور داده هاي هواشناسي روزانه 5 ساله ايستگاه مذكور به عنوان ورودي مدل ها انتخاب شدند. براي اجراي مدل شبكه عصبي مصنوعي، مدل نرو فازي و درخت تصميم گيري M5 به ترتيب از نرم افزارهاي Qnet2000، MATLAB و WEKAاستفاده گرديد. جهت ارزيابي نتايج مدل هاي ذكر شده ريشه ميانگين مربعات خطا (RMSE)، ضريب تعيين (R2) و معيار ميانگين قدرمطلق خطاي نسبي (MAE) استفاده شد. نتايج حاصل از مدل شبكه عصبي مصنوعي و مدل انفيس به كمك شاخص هاي آماري R2، RMSEو MAEبه ترتيب برابر با 0/999 ، 0/0009و 0/00000139- و 0/999، 0/001855و 0/00119- به دست آمد، كه نشان از دقت بالاي هر دو مدل در شبيه سازي دارد. هم چنين مقدار ضريب همبستگيR2 ،RMSE و MAE مدل درخت تصميم گيري بترتيب برابر 0/717 ، 0/1088 و 0/387 محاسبه شدند كه نشان دهنده ي كارايي مناسب مدل درختي M5 در پيش بيني ميزان تبخير و تعرق مرجع است

Proper estimation of evapotranspiration is a key data in designing and managing irrigation and drainage systems. Among widely used methods to estimate and predict evapotranspiration for such applications, are Neuro-Fuzzy Methods (ANFIS), Artificial Neural Networks (ANNs) and decision making tree M5. The purpose of this study was to evaluate the efficiency of the mentioned methods in estimating the reference evapotranspiration in the Shiraz meteorological station. For this purpose, the 5 year climatic data of the station were selected as inputs to the models. Qnet2000, MATLAB and WEKA software were respectively used to implement artificial neural network model, Nero fuzzy model and decision tree M5. In order to evaluate the results of these models, the mean squared error (RMSE), coefficient of determination (R2) and the criterion of the mean power of relative error (MAE) were used. The accuracy of Artificial Neural Network model and ANFIS model with the help of statistical indices R2, RMSE and MAE were obtained as 0.0999, 0.099, 0.0500 and 0.0999, 0.051, and 0.01119, respectively which showed high accuracy of both models in simulation. Also, the correlation coefficient (R2), RMSE and MAE for the decision tree model were calculated to be 0.7064, 0.0935 and 0.0414 respectively, which indicated the proper performance of the M5 tree model in predicting the reference evapotranspiration rate.