نوع مقاله : Original Articles

نویسندگان

1 گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد

2 دانشجوی دکترای آبخیزداری، داﻧﺸﮕﺎه آزاد اﺳﻼﻣﯽ واحد علوم و تحقیقات

3 گروه مهندسی شیمی، دانشکده شیمی، دانشگاه کاشان

چکیده

تعیین تبخیر تعرق واقعی یکی ازمهم ترین اجزاء مطالعه سیکل هیدرولوژی و طراحی ومدییت سیستم های آبیاری کشاورزی است. در این تحقیق کارایی مدل های هوشمند مثل منطق فلازی ، رگرسیون فازی و شبکه عصبی مصنوعی برای تخمین تبخیر و تعریق روزانه را بررسی و با مقادیر واقعی و مشاهده اندازه گیری شده در سیستم بر اساس گیاه مرجع چمن در منطقه اکباتان همدان در غرب ایران مقایسه گردیده است. داده های مورد استفاده درمدل های هوشمند عبارت است از حداکثر و حداقل درجه حرارت ، حداکثر و حداقل رطوبت نسبی ، سرعت باد و ساعت آفتابی در ایستگاه هواشناسی همدان ، مقدار Rmse در روش منطق فازی ، رگرسیون فازی و روش شبکه عصبی مصنوعی به ترتیب برابر با 72/0 ، 86/0 و 74/0 میلی متر در روز و هم چنین مقدار2R به ترتیب برابر 88/0، 86/0 و 84/0 می باشد . بر اساس نتایج بدست آمده روش منطق فازی بهترین روش در بین مدل های هوشمند استفاده شده برای بر آورد تبخیر و تعرق روزانه می باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Using Intelligence Models to Estimate Evapotranspiration

نویسندگان [English]

  • Seyed Javad Sadatinejad, 1
  • Somayeh Angabini, 2
  • Mohammad Reza Mozdian fard 3

1 Department of Range and Watershed Management, Faculty of Natural Resources, Shahrkord University

2 PhD Student in Watershed Manegement, Islamic Azad University, Tehran, Iran.

3 Department of Chemical Engineering, Faculgy of Engineering, University of Kashan

چکیده [English]

Exact estimation of evapotranspiration is an important parameter in water cycle, study, design and management of irrigation systems. In this study, the efficiency of intelligent models such as fuzzy rule base, fuzzy regression and Artificial Neural Networks for estimating daily evapotranspiration has been examined and the results are compared to real data measured by lysimeter on the basis of a grass reference crop. Using daily climatic data from Ekbatan station in Hamadan in western Iran, including maximum and minimum temperatures, maximum and minimum relative humidities, wind speed and sunny hours, evapotranspiration was estimated by the aforementioned intelligent models. The predicted evapotranspiration values from fuzzy rule base, fuzzy linear regression and artificial neural network provided root mean square error (RMSE) of 0.72, 0.86 and 0.74 mm/day and determination coefficient (R2) of 0.88, 0.86 and 0.84, respectively. The fuzzy rule base was hence found to be the most appropriate method employed for estimating evapotranspiration.

کلیدواژه‌ها [English]

  • Keywords: Evapotranspiration
  • Fuzzy rule base
  • Fuzzy Regression
  • Artificial Neural Network