مدل‌سازی تبخیر از سطح تشتک با ترکیب استراتژی‌های عصبی - فازی و تکاملی

کد مقاله : 1039-WER

نویسندگان

امید تاج نیا * دانشگاه زابل

چکیده مقاله

در سال‌های اخیر، استفاده از روش‌های هوش مصنوعی و مدل‌های هیبریدی در پیش‌بینی پارامترهای هیدرولوژیکی بسیار متداول شده است. در این مطالعه، پتانسیل دو سیستم استنتاج عصبی-فازی تکاملی و عصبی-فازی انطباقی با بهینه‌سازی الگوریتم ژنتیک (ANFIS-GA) و الگوریتم موجک (ANFIS-Wavelet) برای شبیه‌سازی تبخیر بررسی شده است. ترکیب‌های مختلفی از داده‌های آب و هوای ماهانه، از جمله تابش خورشیدی، رطوبت نسبی، دمای متوسط هوا و سرعت باد به دست آمده از دو ایستگاه سنوپتیک سراوان و خاش به عنوان پارامترهای ورودی برای مدل‌های توسعه‌یافته برای تخمین تبخیر استفاده شده است. نتایج نشان می‌دهد که مدل‌های استنتاج تکاملی پیشنهادی، در مقایسه با ANFIS، برآورد بهتری از تبخیر روزانه دارند. همچنین، مدل هیبریدی ANFIS+GA با شاخص‌های R2، RMSE 0.86 و 3.21 میلیمتر برای سراوان و 0.84 و 2.38 میلیمتر برای خاش، بالاترین دقت محاسبه را به دست آورده است. در کل، نتایج این مطالعه نشان می‌دهد که استفاده از الگوریتم‌های بهینه‌سازی مانند الگوریتم ژنتیک و الگوریتم موجک در ترکیب با سیستم‌های استنتاج عصبی-فازی، بهبود قابل توجهی در پیش‌بینی پارامترهای هیدرولوژیکی مانند تبخیر دارد.

کلیدواژه ها

مدل‌سازی تبخیر ، سیستم‌های استنتاج عصبی - فازی تکاملی، بهینه‌سازی ، الگوریتم ژنتیک ، الگوریتم موجک

وضعیت: پذیرفته شده