پیش بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی
Abstract(in Persian; no English abstract is available)
تبخیر-تعرقمرجع یکی ازمهم ترین و مؤثرترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریتمنابع آب می باشد. در سال های اخیر استفاده از روش های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش های anfis و موجک- anfis در پیش بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم های مختلفی هستند، مورد بررسی و ارزیابی قرار گرفت. بدین منظور یک دوره آماری 20 ساله (1990 الی 2009) که 15 سال (1990-2004) آن برای آموزش و پنج سال انتهایی (2009-2005) جهت آزمون مدل های مختلف در نظر گرفته شد. ترکیب های مختلفی از داده های ورودی (تأخیرهای مختلف) و انواع موجک های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل هیبریدی موجک-anfis در هر چهار ایستگاه همدیدی مورداستفاده نسبت به مدل anfis دارای توانایی و دقت بالاتری در پیش بینی تبخیر-تعرق هفتگی می باشد. همچنین نتایج نشان داد که استفاده از تأخیرهای زمانی سالانه در مدل anfisموجب افزایش دقت گردید درحالی که در مدل موجک-anfisاستفاده از تأخیرهای زمانی سالانه موجب افزایش دقت نمی گردد و در برخی موارد حتی موجب کاهش دقت نیز می گردد. بررسی انواع موجک های مادر نیز نشان داد که موجک میر مناسب ترین نوع موجک برای پیش بینی تبخیر-تعرق مرجع در مقیاس هفتگی می باشد. از نتایج تحقیق حاضر می توان در برنامه ریزی آبیاری مناطق مورد مطالعه استفاده نمود.