شبیه سازی تبخیر روزانه به کمک مدل های سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) و رگرسیون چندمتغیره (MR) در ایستگاه سینوپتیک تبریز

استفاده از مدل های تجربی برآورد تبخیر نیاز به متغیرهای زیادی دارند که برخی از آن ها در ایستگاه های کشور قابل اندازه گیری نیستند لذا این تحقیق با هدف شبیه سازی تبخیر روزانه در ایستگاه سینوپتیک تبریز به کمک داده های هواشناسی شامل متوسط درجه حرارت هوا (c )، میانگین سرعت باد (m/s)، میانگین رطوبت نسبی (%) و ساعات آفتابی با استفاده از مدل های سیستم استنتاج تطبیقی عصبی- فازی و رگرسیون چندمتغیره با معماری های مختلف و در وضعیت های مختلف از متغیرهای ورودی انجام شد. پس از استانداردسازی داده ها، جهت آموزش شبکه از 85 درصد داده ها و جهت آزمون کارایی مدل ها (با شاخص های RMSE و R2) از 15 درصد داده ها استفاده شد. نتایج مدل سیستم استنتاج تطبیقی عصبی- فازی نشان داد که مدل بهینه نروفازی با 1 و 2 متغیر ورودی از نوع شبکه (با 3 تابع عضویت گوسی) و با 3 و 4 متغیر ورودی از نوع خوشه ایاست. طبق نتایج مدل رگرسیونی اضافه نمودن متغیر رطوبت نسبی باعث تغییرات قابل ملاحظه شاخص های اعتبارسنجی در بخش داده های آموزش و آزمون نشد و متغیر ساعت آفتابی در مدل رگرسیونی حفظ نشد. طبق نتایج می توان به کمک مدل سیستم استنتاج تطبیقی عصبی- فازی نسبت به رگرسیون، ضریب تبیین شبیه سازی را بیش از 10 درصد افزایش داد که لازمه آن استفاده از 4 متغیر ورودی شامل متوسط درجه حرارت هوا، متوسط سرعت باد، رطوبت نسبی و ساعت آفتابی و مدل سازی با مدل نروفازی خوشه است.