سازمان هواشناسی کشور نیوار 1735-0565 42 100-101 2018 03 21 Study performance of the hybrid Firefly algorithm and artificial neural network in simulation of the daily evaporation values بررسی عملکرد الگوریتم هیبریدی کرم شب تاب و شبکه عصبی مصنوعی در شبیه سازی مقادیر تبخیر روزانه 21 34 63789 FA بابک محمدی دانشجوی دکتری هواشناسی کشاورزی، گروه آبیاری و آبادانی ، پردیس کشاورزی و منابع طبیعی ، دانشگاه تهران 0009-0007-1671-8403 محمد علی قربانی دانشیار گروه مهندسی آب دانشگاه تبریز اسماعیل اسدی استادیار گروه مهندسی منابع آب دانشگاه تبریز Journal Article 2017 05 11 Simulation of evaporation process is a very important affair in the planning and management of water resources and due to the complexity of the process of evaporation, determine its exact parameters require the use of detailed procedures that reasonably accurately grasping the process simulation. Using a hybrid method for simulation and optimization of the process of evaporation can be fitted with a high-precision simulation. In this study, we used the data on the daily synoptic station rudsar evaporation of the year 1391 to 1394 for four years, the performance of the hybrid Firefly algorithm to estimate daily evaporation in comparison with artificial neural network was evaluated. Due to the importance of climatic parameters and correlation with the amount of evaporation, input models in the form of 6 different measurement scenario. in both models have been applied, the superior was a model scenario was that the entry contains the maximum air temperature, minimum temperature, air relative humidity, wind speed, the Sundial. During the simulated evaporation of the structure by means of artificial neural network has a root equal squares of error 1.2 mm in days and corrolation 0.67, the average absolute error has been 0.83 as well as solidarity. And also the same results relating to the hybrid Firefly algorithm in this scenario against the root of the squares of the error 0.88 mm in days, the average absolute error 0.62 and also fitted 0.93 correlation. شبیه سازی فرایند تبخیر امری بسیار مهم در برنامه ریزی و مدیریت منابع آب می باشد و به دلیل پیچیدگی فرایند تبخیر، تعیین دقیق این پارامترهای آن مستلزم استفاده از روشهای دقیقی است که با دقت قابل قبولی بتواند این فرایند را شبیه سازی کند. با استفاده از روش هیبریدی شبیه سازی و بهینه سازی می‌توان فرایند تبخیر را با دقت بالایی شبیه سازی کرد. در این پژوهش با استفاده داده های تبخیر روزانه ایستگاه سینوپتیک رودسر از سال 1391 تا 1394 به مدت چهار سال، کارایی الگوریتم هیبریدی کرم شب تاب در برآورد تبخیر روزانه در مقایسه با شبکه عصبی مصنوعی مورد ارزیابی قرار گرفت. با توجه به اهمیت پارامترهای اقلیمی و میزان همبستگی آن ها با تبخیر ، ورودی مدل ها در قالب 6 سناریوی مختلف مورد سنجش قرار گرفت.در هر دو مدل بکار گرفته شده، سناریوی برتر مدلی بود بود که ورودی آن شامل بیشینه دمای هوا، کمینه دمای هوا، رطوبت نسبی هوا، سرعت باد، ساعت آفتابی بود. که طی این ساختار تبخیر شبیه سازی شده به وسیله شبکه عصبی مصنوعی دارای ریشه مربعات خطای برابر 2/1 میلی متر در روز، میانگین خطای مطلق 83/0 و همچنین همبستگی 67/0 بوده است. و همینطور همین نتایج مربوط به الگوریتم هیبریدی کرم شب تاب در همین سناریو برابر ریشه مربعات خطای 88/0 میلی متر در روز ، میانگین خطای مطلق 62/0 و همینطور همبستگی 93/0 می‌باشد. دستاوردهای حاصل از این پژوهش نشان داد که الگوریتم هیبرید کرم شب تاب در برآورد تبخیر روزانه با اختلاف نسبی موفق تر از شبکه عصبی مصنوعی عمل کرده است. https://nivar.irimo.ir/article_63789_4537892d3b5a210cf1969c0cffc327e5.pdf