شبيه سازي تبخير روزانه به كمك مدل‌هاي سيستم استنتاج تطبيقي عصبي- فازي (ANFIS) و رگرسيون چندمتغيره (MR) در ايستگاه سينوپتيك تبريز

استفاده از مدل هاي تجربي برآورد تبخير نياز به متغيرهاي زيادي دارند كه برخي از آن ها در ايستگاه هاي كشور قابل اندازه گيري نيستند لذا اين تحقيق با هدف شبيه سازي تبخير روزانه در ايستگاه سينوپتيك تبريز به كمك داده هاي هواشناسي شامل متوسط درجه حرارت هوا (c ْ)، ميانگين سرعت باد (m/s)، ميانگين رطوبت نسبي (%) و ساعات آفتابي با استفاده از مدل هاي سيستم استنتاج تطبيقي عصبي فازي و رگرسيون چندمتغيره با معماري هاي مختلف و در وضعيت هاي مختلف از متغيرهاي ورودي انجام شد. پس از استانداردسازي داده ها، جهت آموزش شبكه از 85 درصد داده ها و جهت آزمون كارايي مدل ها (با شاخص هاي RMSE و R^2) از 15 درصد داده ها استفاده شد. نتايج مدل سيستم استنتاج تطبيقي عصبي فازي نشان داد كه مدل بهينه نروفازي با 1 و 2 متغير ورودي از نوع شبكه (با 3 تابع عضويت گوسي) و با 3 و 4 متغير ورودي از نوع خوشه اي است. طبق نتايج مدل رگرسيوني اضافه نمودن متغير رطوبت نسبي باعث تغييرات قابل ملاحظه شاخص هاي اعتبارسنجي در بخش داده هاي آموزش و آزمون نشد و متغير ساعت آفتابي در مدل رگرسيوني حفظ نشد. طبق نتايج مي توان به كمك مدل سيستم استنتاج تطبيقي عصبي فازي نسبت به رگرسيون، ضريب تبيين شبيه سازي را بيش از 10 درصد افزايش داد كه لازمه آن استفاده از 4 متغير ورودي شامل متوسط درجه حرارت هوا، متوسط سرعت باد، رطوبت نسبي و ساعت آفتابي و مدل سازي با مدل نروفازي خوشه است.