پیش بینی تبخیر ماهانه با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی – فازی (مطالعه موردی:ایستگاه تمر گرگان)

چکیده مقاله

امروزه در دنیا، آب و منابع آ ب ، یکی از پایه های اصلی توسعه پایدار به شمار می رود تغییر و تحول کمی و کیفی منابع آب تحت تأثیر فعالیت های مختلف در هر حوزه هیدرولوژیکی رخ می دهد که با توجه به محدودیت منابع آب، جلوگیری از آن بسیار مهم و حیاتی می باشد در زمینه تبخیر مدل های زیادی ارائه شده است که بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد در بحث شناسائی سیستم، مدل های آماری قوی برای مدلسازی فرآیندهای اتفاقی و سری های زمانی وجود دارد در این تحقیق P باران ماهانه، T دمای متوسط ماهانه، T2 حداکثر مطلق دما و T3 حداقل مطلق دما، متوسط حداقل دما T4 و متوسط حداکثر دما T5 به عنوان ورودی و تبخیر ماهانه، خروجی مدل با استفاده از شبکه عصبی مصنوعی و همچنین سیستم استنتاج عصبی فازی با توابع مختلف آموزش شبی هسازی شده است نتایج نشان دادکه شبکه عصبی مصنوعی با تابع آموزش trainlm با ضریب تبیین 0 69 و میانگین مربع خطای 0 99 از دقت بالاتری نسبت به مدل های دیگر در ایستگاه تمربرخوردار است

کلیدواژه‌ها

نویسندگان

ام البنی محمد رضاپور

استادیار گروه مهندسی آب دانشگاه زابل

احمد فاضلی

دانشجوی کارشناسی ارشد سازه های آبی دانشگاه زابل

محمد حسین زاده چهکندک

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه زابل

محمد رضاپور، ام البنی و فاضلی، احمد و حسین زاده چهکندک، محمد،1393،پیش بینی تبخیر ماهانه با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی – فازی (مطالعه موردی:ایستگاه تمر گرگان)،دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)،شهرکرد

ارائه‌شده در

مجموعه مقالات دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)18 شهریور 1393 · شهرکرد