پژوهش هاي حفاظت آب و خاك (علوم كشاورزي و منابع طبيعي)

تبخير يکي از جمله پارامترهاي مهم در هيدرولوژي و مهندسي منابع آب است که مورد توجه محققان قرار دارد. به دليل تاثير متقابل پارامترهاي مختلف هواشناسي در محاسبه تبخير، روابطي غيرخطي براي تخمين مقدار آن وجود دارد که از دقت بالايي برخوردار نيستند. شبکه هاي عصبي مصنوعي از جمله روش هاي نوين مي باشد که براي تخمين و پيش بيني پارامترها با استفاده از ارتباط ذاتي بين داده ها توسعه يافته است. در اين پژوهش، با استفاده از آمار روزانه هواشناسي ايستگاه هاشم آباد گرگان به آموزش شبکه هاي عصبي مصنوعي با ساختار پرسپترون چندلايه، تابع پايه شعاعي و شبکه عصبي الماني پرداخته شد. ترکيب هاي مختلف پارامترهاي درجه حرارت هوا، رطوبت نسبي، سرعت باد، ساعات آفتابي به عنوان ورودي هاي شبکه و تبخير روزانه از تشت تبخير به عنوان خروجي شبکه در نظر گرفته شد. همچنين با استفاده از فرمول هاي تجربي، ميزان تبخير محاسبه شده و با نتايج به دست آمده از شبکه عصبي مصنوعي مورد مقايسه قرار گرفت. به منظور بررسي تاثير پارامترهاي ورودي در تخمين تبخير از آناليز حساسيت استفاده گرديد. نتايج نشان داد که پارامترهاي دما و سرعت باد به ترتيب بيشترين و کمترين تاثير را در تخمين مقدار تبخير از تشتک دارا مي باشند. همچنين شبکه هاي عصبي مصنوعي از دقت بالاتري براي تخمين تبخير روزانه نسبت به روش هاي تجربي موجود برخوردارند.

 نسخه قابل چاپ