تخمین تبخیر و تعرق مرجع روزانه به کمک مدل شبکه عصبی مصنوعی و مدل ترکیبی شبکه عصبی-موجک

برآورد تبخیر و تعرق به منظور کاربرد در برنامه ریزی، طراحی و مدیریت طرح های آبیاری و زهکشی و مدیریت منابع آب ضروری است. در این تحقیق به ارزیابی مدل های شبکه عصبی مصنوع، مدل شبکه عصبی- موجک، رگرسیون چند متغیره و روش تجربی هارگریوز در برآورد تبخیر و تعرق مرجع به منظور تعیین بهترین مدل از نظر میزان کارایی با توجه به داده های موجود پرداخته شد. از داده های روزانه دو ایستگاه هواشناسی فرودگاه شهرکرد و فرخ شهر در منطقه خشک و سرد شهرکرد در بازه زمانی 2013-2004 شامل دمای حداقل و حداکثر، رطوبت نسیبی میانگین، سرعت باد در ارتفاع دو متری و ساعات آفتابی استفاده شد. 75 درصد داده ها برای آموزش و اعتبارسنجی و 25 درصد داده ها برای تست مدل ها استفاده شد. شبکه طراحی شده یک شبکه عصبی پیش خور با تابع فعال تانژانت سیگموئید در لایه پنهان است. در مرحله بعدی موجک های مختلف Haar، db و Sym روی داده ها اعمال شد و شبکه عصبی- موجک طراحی شد. برای ارزیابی مدل ها روش پتمن مونتیث فائو مبنای کار قرار گرفت. برای هر چهار روش استفاده شده شاخص های آماری RMSE، MAE و R محاسبه و رتبه دهی شدند. نتایج نشان داد که از میان مدل های طراحی شده، شبکه عصبی موجک با موجک 5 db عملکرد بهتری نسبت به موجک های دیگر و همچنین نسبت به شبکه عصبی مصنوعی، روش آماری رگرسیون چند متغیره و روش هارگریوز داشته است. نتایج مدل شبکه عصبی- موجک با موجک 5 db در ایستگاه فرخ شهر به ترتیب برابر 0/2668، 0/2067 و 0/998 و در ایستگاه فرودگاه به ترتیب برابر 0/2138، 0/14 و 0/9989 محاسبه شد. نتایج نشان داد که شبکه عصبی- موجک عملکرد دقیق تری نسبت به سایر مدل های مورد بررسی در این تحقیق داشت.