کاربرد نظریه آشوب و شبکه عصبی مصنوعی در بررسی و تخمین تبخیر از سطح آب دریاچه ها

ماهیت دینامیکی پدیده های هیدرولوژیکی و نیز محدودیت دسترسی ابزارهای ریاضیاتی مناسب، سبب گشته که اکثر مطالعات پیشین در این زمینه، منجر به نگرشی تصادفی و احتمالاتی گردد. بررسی قطعی و یا تصادفی بودن فرآیند دینامیکی مقادیر تبخیر از سطح آب دریاچه ها، به منظور انتخاب روش مناسب شبیه سازی و بررسی قابلیت پیش بینی، موضوع مهم و بحث برانگیزی است که در این تحقیق به آن پرداخته شده است. در این راستا، با توجه به قابلیت فراوان نظریه آشوب و مدل هوشمند شبکه عصبی در مطالعه رفتار سیستم های غیر خطی پویا مقادیر ماهانه تبخیر سطح آب دریاچه ارومیه در شمال غربی ایران، طی یک دوره آماری 40 ساله 1346-1386 با استفاده از مفاهیم این دو روش مورد بررسی و پیش بینی قرار گرفته است نتایج بررسی شاخص های تعیین ماهیت آشوبناکی داده های تبخیر؛ نمای لیاپانوف مثبت و مقدار غیر صحیح شیب نمودار بعد همبستگی در مقابل شعاعهمبستگی، همگی نشانگر رفتار کاملا آشوبناک سری زمانی تحت بررسی می باشد. نتایج صحت سنجی حاکی از دقت بالای نظریه آشوب و مدل شبکه عصبی مصنوعی- اندکی دقت بالاتر- می باشد به طوریکه میانگین خطای مطلق MAE و جذر میانگین مربعات خطا RMSE در شبکه عصبی مصنوعی نسبت به نظریه آشوب به ترتیب 2/51 و 2/25 میلی متر کاهش یافته اند. همچنین نتایج مربوط به ارتفاع تجمعی تبخیر در دوره صحت سنجی حاکی از برتری 3/8 درصدی شبکه عصبی مصنوعی نسبت به نظریه آشوب دارد

Keywords:

پیش بینی , پدیده های هیدرولوژیکی , دریاچه ارومیه , نمای لیاپانوف