ارزيابي مدل هاي شبكه عصبي فازي انفيس و روش گروهي مدلسازي داده ها (GMDH) براي پيش بيني تبخير ماهانه از مخازن سدها

Evaluation of Enfis fuzzy neural network models and group data modeling method (GMDH) to predict monthly evaporation from dam reservoirs

تبخير يكي از اجزاي اصلي بيلان آب است كه كنترل آن مي توان به برنامه هاي مديريت در امور سد كمك كند. به همين منظور در اين تحقيق با كمك روش گروهي مدل سازي داده ها (GMDH) و شبكه عصبي-فازي (ANFIS) به پيش بيني آن پرداخته شده است. اين رويكرد بر روي سد طرق در استان خراسان رضوي واقع در شرق ايران به عنوان مطالعه موردي انجام شده است. از پارامترهاي شناسي مانند متوسط دما، بارش و تبخير يك ماه قبل جهت پيش بنيي تبخير و در گام ماهانه (طول دوره آماري از فروردين سال 1369 تا اسفند سال 1398) استفاده شده است. باتوجه به تعداد پارامترهاي ورودي از تركيب آنها 4 سناريوي مختلف به عنوان الگوهاي ورودي تدوين شد. 75 درصد داده ها براي آموزش مدل ها و 25 درصد داده ها براي آزمون مدل ها در نظر گرفته شد. نتايج نشان داد كه عملكرد GMDH بهتر از ANFIS بوده است. سناريوي منتخب در اين مدل شامل پارامترهاي تبخير يك ماه قبل و دما بود كه با دقت قابل قبولتري قادر به پيش بيني نسبت به ساير سناريوهاي ورودي مي باشد؛ به طوري كه معيارهاي ارزيابي براي اين مدل RMSE=20.1، MAE=15.14 و NSE=0.96 بدست آمد. در بين سناريوهاي بكار رفته در مدل ANFIS، سناريويي كه شامل تمام پارامترهاي ورودي بود، بهترين نتايج را بدست داد. معيارهاي ارزيابي خطا در اين سناريوي RMSE، MAE و NSE به ترتيب برابر 3/29، 9/19 و 91/0 بدست آمد. همچنين نتايج نشان داد كه هر دو مدل با سناريوهاي منتخب به خوبي روند تغييرات تبخير در ماه هاي مختلف را تخمين زده اند. هم چنين استفاده از تبخير يك ماه قبل تغييرات مثبتي در دقت پيش بيني لحاظ كرد.