مقايسه روش هاي سيستم استنتاج عصبي _ فازي و برنامه ريزي بيان ژن در برآورد تبخير از تشتك (مطالعه موردي: استان خراسان جنوبي)

(Comparison of gene expression programming (GEP) and neuro-fuzzy methods for estimation of pan evaporation (case study: south Khorasan province

امروزه تخمين صحيح تبخير به عنوان يكي از عناصر مهم چرخه هيدرولوژي، نقش مهمي را در توسعه و مديريت منابع آب كشورهاي مواجه با بحران آب ايفا مي كند. تاكنون روش ها و فرمول هاي تجربي فراواني در زمينه برآورد فرايند غيرخطي و پيچيده تبخير از تشتك ارائه شده كه از دقت بالايي برخوردار نبوده و همچنين دسترسي به تمام پارامترهاي ورودي مشكل و يا اندازه گيري آنها محتاج صرف هزينه و زمان زيادي مي باشد. هدف از اين تحقيق ارزيابي كارايي دو مدل برنامه ريزي بيان ژن و عصبي- فازي جهت تخمين تبخير از تشتك در استان خراسان جنوبي مي باشد. براي اين منظور از داده هاي هواشناسي روزانه شش ايستگاه سينوپتيك به مدت بيست سال(2010-1990)، استفاده شد. پارامترهاي ورودي به مدل عبارتند از: ميانگين دماي هوا، رطوبت نسبي، حداكثر وحداقل دماي هوا، سرعت باد و ساعات آفتابي. براي ارزيابي مدلها و مقايسه آن ها از معيارهاي ضريب تبيين ، جذر ميانگين مربع خطاها و ميانگين خطاها استفاده گرديد. مقايسه نتايج آزمون دو مدل نشان داد كه مدل برنامه ريزي بيان ژن كارايي بهتري نسبت به مدل عصبي- فازي در برآورد روزانه تبخير از تشتك دارد. بطوري كه بهترين نتايج مدل برنامه ريزي بيان ژن در ايستگاه بشرويه با ضريب تبيين 79 / 0 ، 44 / 1 = RMSE و 35 / 0 MBE = ضعيف ترين نتايج در ايستگاه بيرجند با ضريب تبيين7 / 0 ، 6 / 2 = RMSE و 2 / 1 MBE = بدست آمد. همچنين نتايج نشان داد ميانگين دماي روزانه بيشترين تاثير را در برآورد تبخيراز تشتك دارد.

Accurate estimation as one of the important elements of the hydrological cycle of evaporation play an important role in the development and management of water resources plays countries facing a water crisis. so far methods, and many empirical formulas in estimating the nonlinear process evaporation of the basin, which provide high accuracy and as well as access to all the input parameters problem or measure they need a lot of time and money.The aim of this study was to compare of ability of Gene expression programmingand neuro-fuzzy methods for estimation of evaporation in South Khorasan province. For this purpose daily data collected from occurs six synoptic stations during years 1990-2010. Input parameters are daily mean temperature, relative humidity, max and min temperature, wind speed and sun shine. Finally, to evaluate of models and compare them criteria such as coefficient of determination (R2) and Mean Bias Error (MBE) and Root Mean Square Error (RMSE) and MBE is used. Compression of result in test period showed the GEP Model has better performance than the neuro-fuzzy model to estimate the daily evaporation. The best result of GEP is R2=0.79، RMSE= 1.44 and MBE=0.35 in Boshroie station and worst is R2=0.7، RMSE= 2.6 and MBE=1.2 in Birgand station. Also the results showed the main factor in estimation of evaporation is mean temperature in all station except that mine temperature is impact parameter.