مدل‌سازی فرایند تبخیر با استفاده از الگوریتم هیبریدی پرنده کوت و شبکه عصبی مصنوعی

عالم پور رجبی, فرناز; قربانی, محمد علی; اسدی, اسماعیل

doi:10.22098/mmws.2023.12692.1266

مدل‌سازی فرایند تبخیر با استفاده از الگوریتم هیبریدی پرنده کوت و شبکه عصبی مصنوعی

نوع مقاله : پژوهشی

نویسندگان

¹ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

² گروه مهندسی آب ، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

³ استادیار/گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران

10.22098/mmws.2023.12692.1266

چکیده

تبخیر یکی از مؤلفه‌های اساسی در چرخة هیدرولوژی است. با توجه به اهمیت خروج آب از دسترس بشر، برآورد صحیح تبخیر بیشتر مورد توجه پژوهشگران قرار گرفته است. در این تحقیق، به‌منظور مدل‌سازی تبخیر، از هیبرید الگوریتم بهینه‌ساز کوت، با شبکه عصبی مصنوعی استفاده شد. به منظور اجرای مدل، از داده‌های هواشناسی سه ایستگاه سینوپتیک گرگان، شیراز و کیش با توجه به اقلیم‌های مختلف استفاده گردید. داده‌های هواشناسی شامل میانگین دمای هوای کمینه، میانگین دمای هوای بیشینه، سرعت باد، میانگین رطوبت نسبی و ساعات آفتابی در طول دوره آماری 2000 تا 2022 در مقیاس ماهانه، بوده است. برای انتخاب ترکیب داده‌های ورودی به هر مدل، از چهار سناریو استفاده شد. برای ارزیابی عملکرد نتایج حاصل از دو مدل، شاخص‌های آماری ضریب همبستگی (R)، جذر میانگین مربعات خطا (RMSE) و ضریب نش - ساتکلیف (N-S) مورد استفاده قرار گرفت. به منظور تأیید نتایج از نمودارهای گرافیکی تیلور، پراکنش، هیستوگرام، خطای نسبی و ویولنی نیز استفاده گردید. نتایج مرحله صحت‌سنجی مربوط به سناریوی چهارم از مدل هیبریدی در گرگان با مقادیر (R=0.99)، (RMSE=8.19) و (NS=0.99)، در شیراز با (R=0.99)، (RMSE=18.43) و (NS=0.98) و در کیش با (R=0.97)، (RMSE=19.36) و (NS=0.93) عملکرد بهتری نسبت به سایر مدل‌ها از خود نشان داد. نتایج تحقیق نشان داد که هیبرید الگوریتم بهینه‌ساز کوت توانست دقت شبکه عصبی مصنوعی را در تمام سناریوها با هر ترکیبی از داده‌ها افزایش دهد. همچنین نتایج نشان داد که عملکرد سناریوی چهارم الگوریتم هیبریدی (COOT-ANN4) که شامل هر پنج داده هواشناسی بوده است در هر سه ایستگاه دقیق‌ترین نتایج را نشان داده است.

کلیدواژه‌ها