پیش بینی تبخیر و تعرق پتانسیل استان کرمان با استفاده از مدل های شبکه عصبی پویا بر مبنای تحلیل مولفه های اصلی

با توجه به اهمیت تعیین دقیق و به موقع تبخیر و تعرق در محاسبات بیلان آبی، شبیه سازی تولیدات گیاهی و برنامه ریزی های آبیاری از یک سو و نبود داده های مناسب هواشناسی از سوی دیگر، ارایه یک مدل ساده،کم هزینه و دقیق را در ارایه این پارامتر ضروری می نماید. لذا این تحقیق با هدف استفاده از توانمندی سیستم شبکه های عصبی پویا جهت برآورد تبخیر و تعرق پتانسیل نسبت به روش فایو پنمن مانتیث با استفاده از برخی داده های هواشناسی انجام شده است. براین اساس ابتدا با استفاده از روش تجزیه ی مولفه های اصلی پارامترهای موثر بر تبخیر و تعرق به مولفه های اصلی تجزیه شدند. سپس با استفاده از میزان تاثیر گذاری پارامترها در دو مولفه ی اصلی اول، پارامترهای دارای اهمیت بیشتر به منظور پیش بینی میزان تبخیر و تعرق مشخص شده و در ادامه مدل های مختلف شبکه عصبی مصنوعی (MLP، IDNN و NARX) به روی داده ها برازش داده شده و برای هر کدام از ایستگاه های سینوپتیک استان کرمان، بهترین مدل شبکه ی عصبی مشخص شد. کارایی مدل های مورد مقایسه با استفاده از آماره های ریشه میانگین مربع خطا، خطای انحراف میانگین، ضریب تعیین و معیار جاکوویدز (t) و معیار صباغ و همکاران (R2/t) مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان داد که مدل NARX با مدل فایو پنمن مانتیث تطابق بالایی داشته و به این جهت توانایی لازم برای برآورد تبخیر و تعرق را دارا می باشد.

Keywords:

تبخیر و تعرق , مولفه اصلی , آماره جاکوویدز