محاسبه تبخیر و تعرق واقعی گیاه سیر به روش مدل سازی چندگانه تحت شرایط کاشت لایسیمتر

روش های متعددی به منظور پیش بینی فرایندهایی مانند تبخیر و تعرق پدیده ها وجود دارند که در این میان، روش های فراابتکاری ترکیبی (مدل سازی چندگانه) از قابلیت بیش تری برخوردارند. در این مطالعه از دو مدل فراابتکاری ترکیبی شامل تلفیق عصبی- ژنتیک و عصبی- فازی در کنار شبکه عصبی مصنوعی جهت پیش بینی نیاز آبی گیاه سیر به عنوان گیاهی با اهمیت دارویی و ارزش غذایی بالا، استفاده گردید. به این منظور از اطلاعات هواشناسی دمای حداقل و حداکثر هوا، رطوبت نسبی حداقل و حداکثر هوا، ساعات آفتابی، سرعت باد و لایسیمتری گیاه سیر طی سال های 1387 و 1388 مستقر در ایستگاه هواشناسی دانشکده کشاورزی دانشگاه بوعلی سینا، برای مدل کردن روش های هوشمند استفاده شد. حداکثر مقدار تبخیر و تعرق سیر از لایسیمتر 22/11 میلی متر و میانگین دو ساله آن 79/4 میلی متر در روز به دست آمد. نتایج مدل سازی تبخیر و تعرق گیاه سیر نشان از برتری روش تلفیقی عصبی- ژنتیک در مقایسه با دو روش عصبی و عصبی- فازی داشت. به عبارت دیگر بهینه سازی شبکه عصبی مصنوعی موفق تر از منطق فازی بود به طوری که الگوریتم ژنتیک در ترکیب با شبکه عصبی توانست خطای آزمون شبکه را نسبت به عصبی- فازی به میزان 24 درصد کاهش دهد. اما ترکیب منطق فازی نه تنها سبب بهبود نتایج شبکه عصبی مصنوعی نشد، بلکه دقت پیش بینی را به میزان 12 درصد کاهش داد.آماره میانگین مجذور مربعات خطا در برآورد تبخیر و تعرق گیاه سیر با مدل بهینه عصبی- ژنتیک برابر 12/0 میلی متر در روز و مقدار ضریب تعیین آن 88/0 به دست آمد. معیارهای ضریب تعیین، عرض از مبدا و شیب خط برازش داده شده به داده های برآورد شده از مدل ترکیبی عصبی- ژنتیک در طول دوره (دو سال) در مقایسه با مدل ترکیبی عصبی- فازی نیز بیانگر کارآیی این مدل می باشند.