پیش‌بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی

تبخیر-تعرق مرجع یکی ازمهم‌ترین و موثرترین مولفه‌ها در بهینه‌سازی مصرف آب کشاورزی و مدیریت منابع آب می‌باشد. در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش‌بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش‌های anfis و موجک- anfis در پیش‌بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه‌های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم‌های مختلفی هستند، مورد بررسی و ارزیابی قرار گرفت. بدین منظور یک دوره آماری 20 ساله (1990 الی 2009) که 15 سال (1990-2004) آن برای آموزش و پنج سال انتهایی (2009-2005) جهت آزمون مدل‌های مختلف در نظر گرفته شد. ترکیب‌های مختلفی از داده‌های ورودی (تاخیرهای مختلف) و انواع موجک‌های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل هیبریدی موجک-anfis در هر چهار ایستگاه همدیدی مورداستفاده نسبت به مدل anfis دارای توانایی و دقت بالاتری در پیش‌بینی تبخیر-تعرق هفتگی می‌باشد. همچنین نتایج نشان داد که استفاده از تاخیرهای زمانی سالانه در مدل anfis موجب افزایش دقت گردید درحالی‌که در مدل موجک-anfis استفاده از تاخیرهای زمانی سالانه موجب افزایش دقت نمی‌گردد و در برخی موارد حتی موجب کاهش دقت نیز می‌گردد. بررسی انواع موجک‌های مادر نیز نشان داد که موجک‌میر مناسب‌ترین نوع موجک برای پیش‌بینی تبخیر-تعرق مرجع در مقیاس هفتگی می‌باشد. از نتایج تحقیق حاضر می‌توان در برنامه‌ریزی آبیاری مناطق مورد مطالعه استفاده نمود.