5138554-72380

-88638190515

نشریه حفاظت منابع آب و خاك، سال ششم، شماره چهارم، تابستان 1396

مقایسه روشهای سیستم استنتاج عصبی_فازی و برنامهریزی بیانژن دربرآورد تبخیر از تشتک
)مطالعه موردی: استان خراسانجنوبی(

پرویز حقیقت جو1*، زهرامحمدزاده شاهرودی 2، ام البنی محمدرضاپور 3

1*( استادیارگروه مهندسی آب، دانشگاه زابل، زابل، ایران
parvizhjou @ uoz.ac.ir :نویسنده مسئول مکاتبات*
2( دانشجوی كارشناسی ارشد مهندسی منابع آب، دانشگاه زابل، زابل، ایران
3 ( استادیار گروه مهندسی آب، دانشگاه زابل، زابل، ایران

1773689-10

تاریخ دریافت:17/9/ 1395 تاریخ پذیرش: 29/01/1396

چکیده
امروزه تخمين صحيح تبخير به عنوان يكي از عناصر مهم چرخه هيدرولوژي، نقش مهمي را در توسعه و مديريت منابعآب كشورهاي مواجه با بحران آب ايفا ميكند. تاكنون روشها و فرمولهاي تجربي فراواني در زمينه برآورد فرايند غيرخطي و پيچيده تبخير از تشتک ارائه شده كه از دقت بالايي برخوردار نبوده و همچنين دسترسي به تمام پارامترهاي ورودي مشكل و يا اندازهگيري آنها محتاج صرف هزينه و زمان زيادي ميباشد. هدف از اين تحقيق ارزيابي كارايي دو مدل برنامهريزيبيانژن و عصبي- فازي جهت تخمين تبخير از تشتک در استان خراسانجنوبي ميباشد. براي اين منظور از دادههاي هواشناسي روزانه شش ايستگاه سينوپتيک به مدت بيست سال)2010-1990(، استفادهشد .پارامترهاي ورودي به مدل عبارتند از: ميانگين دماي هوا، رطوبتنسبي، حداكثر وحداقل دماي هوا ،سرعت باد و ساعات آفتابي. براي ارزيابي مدلها و مقايسه آنها از معيارهاي ضريب تبيين ، جذر ميانگين مربع خطاها و ميانگين خطاها استفاده گرديد .مقايسه نتايج آزمون دو مدل نشان داد كه مدل برنامهريزي بيانژن كارايي بهتري نسبت به مدل عصبي- فازي در برآورد روزانه تبخير از تشتک دارد. بطوري كه بهترين نتايج مدل برنامهريزي بيانژن در ايستگاه بشرويه با ضريب تبيين 79/0، 44/1=RMSE و 35/0=MBE ضعيفترين 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 تشتک دارد.
کلمات کلیدی: برنامهريزي بيانژن؛ عصبي- فازي؛ تبخير تشتک؛ خراسانجنوبي

مقدمه1
استان خراسانجنوبی یکی از استانهای کشورمان می باشد که با تبخیر شدید و کمبود آب روبهرو است. در چنین شرایطی تخمین میزان تبخیر یکی از عوامل مهم در برنامهریزی و مدیریت منابع آب استان خراسانجنوبی میباشد. به دلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه تبخیر، روابطی غیرخطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند. مدلهای شبکه عصبی، فازی و برنامهریزی بیان ژن از جمله روشهای نوین میباشند که برای تخمین و پیشبینی پارامترها از ارتباط ذاتی بین دادهها استفاده می کنند )شایان نژاد، 1385(. طی دهه اخیر استفاده از روشهای عصبی- فازی و برنامهریزی بیانژن در مدل سازی تبخیر از تشتک توسط محققین زیادی مورد تأئید قرارگرفته است. از جمله مطالعاتی که روی تبخیر صورت گرفته میتوان به موارد زیر اشاره نمود .مساعدی و قبائی سوق )1390( از آمار روزانه پارامترهای هواشناسی ایستگاه سینوپتیک شیراز، به منظور تخمین تبخیر از تشتک استفاده کردند ایشان نتایج حاصل از این مدل را با نتایج دو معادله تجربی مارکیانو و استیفنز- استوارت1)s-s( مقایسه کردند. نتایج نشان داد که مدل عصبی- فازی نسبت به معادله استیفنز- استوارت دقیقتر است. شادمانی و معروفی )1390( کاربرد مدلهای شبکه عصبیمصنوعی، عصبی- فازی و هم چنین روش تجربی استیفنز- استوارت، را جهت برآورد تبخیر روزانه کرمان مورد بررسی قرار داده و نشان دادند که مدل عصبی- فازی از دقت بیشتری برای برآورد تبخیر از تشتک برخوردار است. میرمرادزهی )1391( از دو مدل شبکه عصبی و عصبی- فازی جهت برآورد تبخیر از تشتک در ایستگاههای سینوپتیک ایرانشهر، چابهار و سراوان استفاده کرده و نشان داد که مدل عصبی- فازی کارایی بهتری نسبت به مدل شبکه عصبی در برآورد تبخیر روزانه از تشتک دارد. شعیبینوبریان و دربندی )1392( برای تخمین مقدار تبخیر و تعرق پتانسیل از مدل برنامهریزی بیانژن و معادله پنمن- مانتیث استفاده کردند. نتایج حاکی از کارایی مناسب و دقت بالای برنامهریزی بیانژن در پیشبینی تبخیر و تعرق پتانسیل بود. کولائیان و همکاران )1392( به منظور دستیابی به تخمین میزان تبخیر و تعرق گیاه مرجع ،از روشهای رگرسیون چندمتغیره، شبکه-عصبی و عصبی- فازی در ساری استفاده کردند. نتایج پژوهش آنها نشان داد زمانی که از چهار پارامتر برای ورودی مدل استفاده شود، مدلهای شبکهعصبی و رگرسیونی از دقت و کارایی بیشتری در شبیه سازی تبخیر و تعرق گیاه مرجع برخوردارند. نجفی و همکاران

1 Stephens–Stewart
108/ حقیقت جو و همکاران

)1393( در دو منطقه اصفهان و رشت از دو روش شبکه عصبی و برنامهریزی بیانژن برای تحلیل حساسیت تبخیر- تعرق گیاه مرجع نسبت به پارامترهای هواشناسی استفاده کردند و نتایج ایشان نشان داد، در اصفهان و رشت ،کمینه دما و بیشینه دما در مقابل دیگر پارامترها ،بیشترین ضریب همبستگی را دارند. Dogan و همکاران )2010( با استفاده از مدل عصبی- فازی مقدار تبخیر از مخزن سد یواجیک در ترکیه را مدلسازی کرده ونتایج نشان داد که مدل عصبی- فازی نسبت به مدلهای رگرسیونی از دقت بیشتری برخوردار است. Guven و Kisi )2011( به بررسی توانایی برنامه نویسی ژنتیک خطی 2)LGP( که یک فرمت به روش برنامهنویسی ژنتیک است ،برای مدلسازی تبخیر از تشتک پرداختند. نتایج را با شبکههای عصبی پایهای شعاعی، رگرسیون تعمیم شبکههای عصبی و مدل استیفنز- استوارت مقایسه کردند. با مقایسه نتایج مشخص شد که روش LGP دقت بیشتری داشت. Piri و Ansari )2012( به برآورد تبخیر بر اساس مدل های شبکه عصبی، عصبی- فازی و مقایسه با روشهای تجربی پرداختند و نشان دادند که این مدلها نتایج بهتری نسبت به روش های تجربی دارند. Seydou و Aytac )2012( به بررسی توانایی عملکرد برنامهریزی بیانژن برای مدلسازی تبخیر کشور ساحلی، بورکینا فاسو3 پرداخته و از ترکیب دادههای هواشناسی به عنوان ورودی به مدل برنامهریزی بیانژن برای تخمین تبخیر استفاده کردند. ایشان نتیجه گرفتند که مدل برنامهریزی بیانژن توانایی خوبی برای ارائه مدل عددی بر اساس دادههای منطقهای داراست. Shiri و Kisi )2012( از برنامهنویسی بیانژن برای برآورد تبخیر و تعرق مرجع روزانه، در کشور باسک استفاده کردند .برای این منظور معادله پنمن مانتیث را به عنوان مرجع انتخاب و نتایج
4)GEP( را با عصبی- فازی، پریستلی- تیلور و مدل

23 Linear Gene Expression ProgrammingBurkina Faso
68610488433816

سال

ششم

/

شماره
4

سال

ششم

/

شماره

4

4 Gene Expression Programming
4648208429244

سال

ششم

/

شماره
4

سال

ششم

/



قیمت: تومان

دسته بندی : منابع آب خاک

دیدگاهتان را بنویسید