پيش بيني و آناليز حساسيت تبخير ماهانه از مخزن سد سياه بيشه با استفاده از شبكه‌هاي عصبي مصنوعي در تركيب با الگوريتم ژنتيك

فرآيند تبخير، يكي از مولفه هاي اصلي چرخه آب در طبيعت است كه نقش اساسي در مطالعات كشاورزي، هيدرولوژي و هواشناسي، بهره برداري از مخازن، طراحي سيستم هاي آبياري و زهكشي، زمان بندي آبياري و مديريت منابع آب ايفا مي كند. روش هاي زيادي از جمله روش هاي بيلان آب، تبخير از تشت و روش هاي تجربي براي تخمين تبخير از سطح آزاد ارايه شده است كه هر كدام از اين روش ها توام با محدوديت و خطاي اندازه گيري مي باشد. امروزه تكنيك جديد استفاده از شبكه‌هاي عصبي مصنوعي كه مبتني بر هوش مصنوعي مي‌باشد كاربرد گسترده اي در زمينه‌هاي مختلف علمي به ويژه مهندسي آب پيدا كرده است. در اين تحقيق با استفاده از مدل شبكه عصبي مصنوعي پرسپترون چند لايه(MLP)، شبكه تابع پايه شعاعي (RBF) و شبكه پيش رونده(FF)، ميزان تبخير ماهانه از مخزن سد سياه بيشه تا 3 ماه آينده پيش بيني شد. براي تعيين متغيرهاي ورودي موثر در مدل هاي شبكه عصبي مصنوعي و تعداد نرون ها در لايه مياني هر يك از مدل ها از قابليت بهينه سازي الگوريتم ژنتيك استفاده شد. نتايج نشان مي دهد كه ضريب همبستگي بين مقادير اندازه گيري شده و محاسبه شده با مدل هاي RBF ، MLP و FFدر برآورد و پيش بيني تبخير ماهانه از مخزن سد سياه بيشه به ترتيب برابر با 92/0، 90/0 و 88/0 مي باشد. بنابراين مدل RBF از دقت بيشتري نسبت به دو مدل MLP و FF در برآورد و پيش بيني ميزان تبخير ماهانه از مخزن سد برخوردار مي باشد. نتايج حاصل از آناليز حساسيت نشان مي دهد كه تبخير ماهانه از مخزن سد تا 3 ماه آينده به ترتيب نسبت به زمان وقوع تبخير بر حسب ماه، فشار هوا در سطح زمين در 2، 3 و 1 ماه قبل، سرعت باد در سطح 1000 ميلي بار در 3 و 2 ماه قبل و دماي هوا در سطح 300 ميلي بار در زمان حال بيشترين حساسيت دارد.