آناليز حساسيت داده‌هاي ورودي به شبكه عصبي مصنوعي به‌منظور برآورد مقدار تبخير روزانه

Sensitivity Analysis of ANN Inputs in Estimating Daily Evaporation

برآورد مقادير تبخير براي مديريت كارآمد منابع آب در مناطق با اقليم نيمه خشك امري ضروري است. اين مقاله كاربرد شبكه‌هاي عصبي مصنوعي، رگرسيون خطي چند متغيره و سه روش تجربي تعادل انرژي، آيروديناميكي و تركيبي پنمن را به‌منظور برآورد مقادير تبخير روزانه تشتك براي دو شهر تبريز و اروميه مورد ارزيابي قرار داد. علاوه بر اين آناليز حساسيت به دو روش مشتقات جزيي و وزن‌هاي اتصالي براي تبيين ميزان اثر هر پارامتر ورودي از نظر مقدار و جهت روي نتايج مدل‌هاي شبكه عصبي و نيز تشخيص بهترين تركيبات ورودي انجام شد. متغيرهاي هيدرولوژيكي استفاده شده شامل مشاهدات روزانه كمّيتهاي دماي هوا، تبخير تشتك، تشعشع خورشيد، فشار هوا، رطوبت نسبي و سرعت باد بودند. نتايج روشهاي كلاسيك و مدل‌هاي شبكه عصبي با مقادير تبخير روزانه مقايسه شد. مقايسه‌ها بهتر بودن پاسخ شبكه‌هاي عصبي در برآورد تبخير روزانه نسبت به ساير مدل‌ها را نشان داد. نتايج آناليز حساسيت نشان داد كه درجه حرارت هوا، تشعشع خورشيدي و تبخير روز گذشته بيشترين تاثير را روي تبخير روزانه نسبت به ساير عوامل در هر دو منطقه دارند و تاثير متغيرهاي ديگر كم است.

Estimation of evaporation values is needed for efficient management of water resources at semi-arid regions. This paper presents application of Artificial Neural Networks (ANNs), Multiple Linear Regression (MLR) and empirical models viz.: Energy balance ، Aerodynamic ، Penman for estimation of daily pan evaporation for Tabriz and Urmia cities. Furthermore, in order to determine the effect of each input parameter on the output variable in terms of magnitude and direction and also identify the best combinations of the model inputs, two sensitivity analysis methods i.e. the Partial Derivation method (PaD) and the Weights method have been applied on the ANNs results. The used hydrological variables include daily observations of air temperature, pan evaporation, solar radiation, air pressure, relative humidity, and wind speed. The results of the classic methods and ANN models are compared to daily observations of evaporation values. The comparison showed that there is better agreement between the ANN estimations and measurements of daily evaporation than other models. Sensitivity analysis results showed that air temperature, solar radiation and previous day evaporation have maximum effects on daily evaporation in both regions and the contributions of the other variables are insignificant.