ارزیابی توانایی مدل­های هوشمند در برآورد تبخیر از تشت(مطالعه موردی: ایستگاه سینوپتیک تبریز)

تبخیر از مهم­ترین مولفه­های موثر در چرخه هیدرولوژی می­باشد که برآورد دقیق آن از اهمیت فراوانی در بحث مدیریت منابع آب برخوردار است. در این راستا، تحقیق حاضر با هدف ارزیابی دو مدل هوشمند سیستم استنتاج فازی-عصبی تطبیقی (anfis[1]) و برنامه­ریزی بیان ژن (gep[2]) در تخمین مقادیر تبخیر از تشت انجام گرفت. به این جهت، از داده­های هواشناسی روزانه تبخیر، رطوبت نسبی، دما، ساعات آفتابی، سرعت باد و تابش خورشیدی ایستگاه سینوپتیک تبریز در بازه زمانی نه ساله (2018-2010) استفاده گردید. دقت مدل­های مورد مطالعه با استفاده از شاخص­های آماری جذر میانگین مربعات خطا، میانگین خطای مطلق و ضریب همبستگی مورد بررسی قرار گرفت. نتایج حاصل از این تحقیق نشان داد که سناریوی چهارم مدل anfis به ترتیب با دارا بودن خطای 953/1 و 528/1 با پارامترهای ورودی دما، ساعات آفتابی، رطوبت نسبی و سرعت باد به عنوان بهترین مدل و سناریوی اول مدل gep با دارا بودن خطای 144/2 و 679/1 با پارامتر ورودی دما، با قبول اندکی خطا به عنوان بهینه­ترین مدل در تخمین تبخیر از تشت در ایستگاه سینوپتیک تبریز در زمان فقدان دیگر داده­های هواشناسی پیشنهاد می­گردد. هم­چنین نتایج نشان داد پارامترهای دما و سرعت باد بیش­ترین تاثیر را در برآورد دقیق تبخیر از تشت دارد

Evaluation of smart models ability to estimate pan evaporation (Case study: Tabriz Synoptic Station)

Evaporation is one of the most important components in the hydrological cycle, the accurate estimation of which is of great importance in the discussion of water resources management. In this regard, the present study aimed to evaluate two intelligent models of adaptive fuzzy-neural inference system (ANFIS) and gene expression programming (GEP) in estimating evaporation values ​​from the pan. For this purpose, daily meteorological data of evaporation, relative humidity, temperature, sunshine hours, wind speed and solar radiation of Tabriz Synoptic Station were used for a period of nine years (2018-2010). The accuracy of the studied models was evaluated using the statistical indices of root mean square error, mean absolute error and correlation coefficient. The results of this study showed that the fourth scenario of ANFIS model with error of 1.5953 and 1.528, respectively, with input parameters of temperature, sunshine hours, relative humidity and wind speed as the best model and the first scenario of GEP model with Error 2.144 and 1.679 with temperature input parameter, by accepting a slight error as the most optimal model in estimating evaporation from the pan in the synoptic station of Tabriz in the absence of other meteorological data is proposed. The results also showed that temperature and wind speed parameters have the greatest effect on accurate estimation of evaporation from the pan.