برآورد مقدار تبخير با استفاده از شبكه عصبي مصنوعي و الگوريتم ژنتيك (مطالعه موردي: ايستگاه تبريز)

به سبب تأثير متقابل عناصر هواشناختي در محاسبه قدرت تبخير جو، تخمين آن يك كار پيچيده و غير خطي است. لذا براي تخمين آن بايد از مدل‌هاي پيشرفته رياضي استفاده نمود. در اين مطالعه جهت برآورد قدرت تبخير جو در سطح ايستگاه تبريز از شبكه‌هاي عصبي مصنوعي بر پايه دو الگوريتم آموزشي لونبرگ ـ ماركوئت و الگوريتم ژنتيك، رگرسيون خطي چند متغيره و معادله پنمن ـ فائو استفاده شده است. بر اين اساس در مدل شبكه عصبي با اتخاذ يك و دو لايه پنهان و دو تابع فعال‌سازي تان‌سيگموييد و لوگ‌سيگموييد، 56 مدل شبكه عصبي توليد شد. ارزيابي و مقايسه نتايج اين مدل‌ها براساس معيارهاي چون ضريب تعيين و مجذور ميانگين مربعات خطا نشان داد كه دقت مدل‌ها بستگي به نوع تابع محرك، نوع الگوريتم آموزشي، تعداد لايه‌هاي پنهان و تعداد نرون‌هاي اتخاذ شده دارد. از سوي نتايج نشان داد كه در مدل‌هاي تك لايه، دقت وزن‌دهي الگوريتم ژنتيك براي هر دو تابع فعال‌ساز بيش از الگوريتم لونبرگ ـ ماركوئت است. از سويي در مدل‌هاي با دو لايه پنهان دقت وزن‌دهي الگوريتم آموزشي لونبرگ ماركوئت بيش از الگوريتم ژنتيك بوده؛ به طوري كه دقيق‌ترين مدل شبكه با آرايش 5771 با مجذور ميانگين مربعات خطاي 227/0 ميلي‎متر بر اساس الگوريتم آموزشي لونبرگ ماركوئت و دو لايه پنهان و تابع فعال‌سازي تان سيگموييد توليد شده بود. همچنين مجذور ميانگين مربعات خطاي مدل رگرسيون خطي چند متغيره و معادله پنمن ـ فائو به ترتيب به مقدار 79/0 و 34/1 بدست آمد. بنابراين مدل شبكه عصبي در قياس با دو مدل مذكور داراي كارايي بهتر، ضريب دقت بيشتر و مقدار خطاي كمتري جهت پيش بيني مقدار تبخير ايستگاه تبريز است.