سال انتشار: ۱۳۸۶

محل انتشار: نهمین سمینار سراسری آبیاری و کاهش تبخیر

تعداد صفحات: ۹

نویسنده(ها):

جمشید پیری – دانشگاه شیراز
سیف الله امین – دانشگاه شیراز
داور خلیلی – دانشگاه شیراز
اسلام کشاورز – دانشگاه شیراز

چکیده:

بررسی وضعیت منابع آب در ایران نشان میدهد که میانگین بارندگی سالیانه ایران در حدود ۲۵۰ میلی متر است، که این مقدار ۳۰ درصد متوسط بارندگی در خشکی های کره زمین (۷۳۰ میلی متر) می باشد.این در حالی است که متوسط سالیانه تبخیر در ایران تقریبا ۱۸۰ میلی متر معادل ۷۱ درصد بارندگی متوسط سالیانه برآورد گردیده است. در زمینه تبخیر مدل های زیادی ارائه شده است که بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به انها مشکل است و یا اندازه گیری انها محتاج صرف هزینه و زمان زیادی می باشد. در بحث شناسایی سیستم، مدل های اماری قوی برای مدلسازی فرایندهای اتفاقی و سری های زمانی وجود دارد. به طور کلی مدل های دینامیک در بررسی ها ی کوتاه مدت، دقیق تر از مدل های استاتیک پاسخ می دهد. یکی از این مدلها، مدل // است. در این مقاله از ترکیب این مدل با ساختار شبکه عصبی (NN-ARX) جهت تخمین تبخیر استفاده شده است. در این مطالعه بهترین ترکیب برای ورودی شبکه دما، باد، رطوبت نسبی، کمبود فشار بخار اشباع می باشد. پس از اجرای برنامه مذکور نتایج تحلیل آماری MAE= 0/9965 , d=0/78 , RNSE=7/93 حاصل گردید که نشان از توانایی این مدل در شبیه سازی فرایند اتفاقی تبخیر (که معادلاتی دینامیک بر روند آن حاکم است) دارد. با مقایسه نتایج حاصل از مدل شبکه عصبی دینامیکی و روابط تجربی با داده های اندازه گیری تبخیر مشاهده گردید که مدل دارای ضریب تبیین R2= 0/9854 بوده، در حالی که مقدار این ضریب برای معادلات تجربی حدود ۰/۸۵ بدست امد. بنابراین می توان نتیجه گرفت که مدل شبکه عصبی دینامیکی کاربرد بهتری نسبت به معادلات تجربی برای تخمین تبخیر دارد.