مقایسه روشهای سیستم استنتاج عصبی_فازی و برنامه‌ریزی بیان‌ژن در‌برآورد تبخیر از تشتک (مطالعه موردی: استان خراسان جنوبی)

امروزه تخمین صحیح تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه و مدیریت منابع آب کشورهای مواجه با بحران آب ایفا می کند. تاکنون روش ها و فرمول های تجربی فراوانی در زمینه برآورد فرایند غیرخطی و پیچیده تبخیر از تشتک ارائه شده که از دقت بالایی برخوردار نبوده و همچنین دسترسی به تمام پارامترهای ورودی مشکل و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد. هدف از این تحقیق ارزیابی کارایی دو مدل برنامه ریزی بیان ژن و عصبی فازی جهت تخمین تبخیر از تشتک در استان خراسان جنوبی می باشد. برای این منظور از داده های هواشناسی روزانه شش ایستگاه سینوپتیک به مدت بیست سال(2010-1990)، استفاده شد. پارامترهای ورودی به مدل عبارتند از: میانگین دمای هوا، رطوبت نسبی، حداکثر وحداقل دمای هوا، سرعت باد و ساعات آفتابی. برای ارزیابی مدلها و مقایسه آن ها از معیارهای ضریب تبیین ، جذر میانگین مربع خطاها  و میانگین خطاها استفاده گردید. مقایسه نتایج آزمون دو مدل نشان داد که مدل برنامه ریزی بیان ژن کارایی بهتری نسبت به مدل عصبی فازی در برآورد روزانه تبخیر از تشتک دارد. بطوری که بهترین نتایج مدل برنامه ریزی بیان ژن در ایستگاه بشرویه با ضریب تبیین 79/0، 44/1=rmse و 35/0mbe= ضعیف ترین نتایج در ایستگاه بیرجند با ضریب تبیین7/0، 6/2=rmse و 2/1mbe= بدست آمد. همچنین نتایج نشان داد میانگین دمای روزانه بیشترین تاثیر را در برآورد تبخیراز تشتک دارد.

Comparison of gene expression programming (GEP) and neurofuzzy methods for estimation of pan evaporation (case study: south Khorasan province)

Accurate estimation as one of the important elements of the hydrological cycle of evaporation play an important role in the development and management of water resources plays countries facing a water crisis. so far methods, and many empirical formulas in estimating the nonlinear process evaporation of the basin, which provide high accuracy and as well as access to all the input parameters problem or measure they need a lot of time and money.The aim of this study was to compare of ability of Gene expression programmingand neurofuzzy methods for estimation of evaporation in South Khorasan province. For this purpose daily data collected from occurs six synoptic stations during years 19902010. Input parameters are daily mean temperature, relative humidity, max and min temperature, wind speed and sun shine. Finally, to evaluate of models and compare them criteria such as coefficient of determination (R2) and Mean Bias Error (MBE) and Root Mean Square Error (RMSE) and MBE is used. Compression of result in test period showed the GEP Model has better performance than the neurofuzzy model to estimate the daily evaporation. The best result of GEP is R2=0.79، RMSE= 1.44 and MBE=0.35 in Boshroie station and worst is R2=0.7، RMSE= 2.6 and MBE=1.2 in Birgand station. Also the results showed the main factor in estimation of evaporation is mean temperature in all station except that mine temperature is impact parameter.