برآورد تبخير روزانه از تشت تبخير با استفاده از سيستم استنتاج تطبيقي عصبي- فازي

Using adaptive neuro-fuzzy interface system (ANFIS) to estimate daily evaporation from pan

فرايند تبخير يكي از اجزاي اصلي چرخه ي هيدرولوژي است. تخمين صحيح اين پديده در مديريت آبياري و پيش بيني جريان رودخانه نقش حياتي دارد. به منظور تخمين تبخير از تشت از آمار روزانه 5 پارامتر هواشناسي دماي ميانگين، رطوبت نسبي، سرعت باد، كمبود فشار بخار و تابش برون زميني در ايستگاه سينوپتيك شيراز طي سال هاي 1993 تا 2007 استفاده شد. ابتدا با استفاده از گاماتست (GT) از ميان 31 تركيب مختلف از پارامترهاي ورودي، بهترين تركيب شامل پارامترهاي رطوبت نسبي، كمبود فشار بخار و تابش برون زميني بود، انتخاب شد. سپس با استفاده از آزمون M تست 1100 الگو براي آموزش مدل تعيين شد و از 3839 الگوي باقي مانده براي ارزيابي آن استفاده گرديد. آن گاه با به كارگيري نتايج حاصل از روش پيش پردازش GT، به مدل سازي تبخير با استفاده از سيستم استنتاج تطبيقي عصبي-فازي (ANFIS) پرداخته شد. هم چنين نتايج حاصل از اين روش با نتايج دو معادله ي تجربي ماركيانو و معادله ي واسنجي شده ي استيفان- استيوارت (S-S) مقايسه گرديد. نتايج ارزيابي مدل ها در دوره آزمون، نشان داد كه مدل ANFIS و معادله S-S به‌ترتيب با R2 برابر با 9023/0 و 8604/0 روي خط (1:1) و RMSE برابر 342/1 و 614/1 ميلي متر بر روز دقيق‌تر است.

Evaporation process is considered to be one of the main components in hydrological cycle. Therefore, its accurate estimation plays a vital role in studies of irrigation management and river flow forecasting. In order to estimate evaporation from pan, 5 metrological parameters such as temperature, relative humidity, wind speed, vapor pressure deficit, and extraterrestrial radiation were daily collected during 1993-2007 at Shiraz Synoptic Station. In the first step, from 31 different combinations of input parameters, the best subset including relative humidity, vapor pressure deficit, and extraterrestrial radiation were detected by using the Gamma test (GT). Then, by applying M test, 1100 patterns were selected for an established training model and the rest of 3839 patterns were used for verification of the model. Afterward, based on the GT results, the evaporation model was established by applying adaptive neuro-fuzzy inference system (ANFIS). In addition, the results of this method compared with Marciano empirical equation, and calibrated Stephens–Stewart (S-S) equation. The results come from the evaluation of these models in the test period showed that the ANFIS model and S–S equation with determination coefficients of 0.9023 and 0.8604 on the line of (1:1) and RMSE with 1.342 and 1.614 mm day-1, respectively are more accuracy than other models.