سید محمد رضا حسینی؛ روح الله فتاحی؛ امید محترمی
چکیده
تبخیر- تعرق یکی از مهم‌ترین اجزای چرخه هیدرولوژی است که برآورد آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت روش هارگریوز جهت برآورد تبخیر- تعرق به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فائو به روش هارگریوز می ...
بیشتر
تبخیر- تعرق یکی از مهم‌ترین اجزای چرخه هیدرولوژی است که برآورد آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت روش هارگریوز جهت برآورد تبخیر- تعرق به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فائو به روش هارگریوز می باشد. داده‌های آب و هوائی مورد استفاده در این تحقیق در بازه‌ی زمانی 2013-2004 از ایستگاه فرخشهر و فرودگاه شهرکرد در استان چهارمحال و بختیاری شامل دمای حداقل، دمای حداکثر و رطوبت نسبی میانگین با اقلیم سرد و خشک اخذ شده است. داده ها به دو قسمت 75 درصد برای آموزش و اعتبار سنجی و 25 درصد برای تست تقسیم شدند. نتایج نشان می‌دهد که شبکه عصبی و مدل درخت تصمیمم عملکرد خوبی در مدلسازی ضریب اصلاحی دارند. قبل از استفاده از ضریب اصلاحی برای ایستگاه فرخشهر ریشه میانگین مربعات خطا مدل هارگریوز نسبت به روش پنمن مونتیث فائو RMSE=0/90 بود که این مقدار بعد از استفاده از ضریب اصلاحی به کمک شبکه عصبی به RMSE=0/69 و با از استفاده از ضریب اصلاحی به کمک درخت تصمیمم به RMSE=0/72 رسید. به طور کلی نتایج نشان داد که بعد از استفاده از ضریب اصلاحی عملکرد مدل هارگریوز بهبود یافته است. نتبج نشان داد که عملکرد شبکه عصبی مصنوعی‌دقیق تر است ولی مدل درختی روابط خطی، ساده‌تر و قابل فهم‌تری را ارائه می‌دهد.
