ارزیابی کارائی استفاده از سیستم استنتاج تطبیقی عصبی- فازی و شبکه های عصبی مصنوعی در پیش بینی بارش موثر. مطالعه موردی: قائمشهر

با توجه به بحران آب موجود و صرف بیش از 94 درصد از آب کشور در بخش کشاورزی بهتر است علاوه بر مکانیزه نمودن سیستمهای آبیاری، در برآورد نیاز آبی واقعی گیاه تجدید نظر شود. این امر با پیش بینی نزولات جوی در فصول رشد امکان پذیر است. در طراحی سیستمهای آبیاری باید به این نکته توجه داشت که کل بارندگی رخ داده برای گیاه قابل استفاده نبوده و بخشی از بارندگی به رواناب و بخشی به اعماق خاک نفوذ کرده و تنها بخشی از آن که باران موثر است قادر به رفع تنش آبیگیاه بوده و در رشد آن تأثیر گذار است. در این تحقیق از قابلیت سیستم استنتاج تطبیقی عصبی- فازی ANFIS و شبکه های عصبی مصنوعی ANNs ، برای برآورد باران موثر در قائمشهر استفاده شد. به منظور ارزیابی کارایی مدلها، نتایج روش SCS با خروجی مدلهای مورد مطالعه مقایسه شد. نتایج نشان می دهد که مقادیر R^2 برای ANNs و ANFIS به ترتیب برابر 0/999 و 0/9981 و مقادیر RMSE به ترتیب 0/056 و 0/38 میلیمتر است. همچنین مدل ANNs علاوه بر دقت برآورد بالا، دارای پیچیدگیهای ساختاری کمتر و گستردگی بیشتر محدوده کاربرد، بر مدل ANFIS برتری دارد.

Keywords:

باران موثر , برآورد , قائمشهر , روش SCS , سیستم استنتاج تطبیقی عصبی- فازی , شبکه های عصبی مصنوعی