پيش‌بيني تبخيرتعرق مرجع روزانه با استفاده از مدل تركيبي موجك-شبكه عصبي مصنوعي

تبخير-تعرق گياه مرجع يكي از مهم‌ترين و مؤثرترين عوامل در بهينه‌سازي مصرف آب كشاورزي و مديريت منابع آب مي‌باشد. پيش‌بيني تبخيرتعرق مرجع روزانه مي‌تواند در پيش‌بيني نياز آبي گياهان و برنامه‌ريزي كوتاه‌مدت آبياري مورد استفاده قرار گيرد. در سال‌هاي اخير استفاده از شبكه‌هاي عصبي مصنوعي و مدل هيبريدي موجكعصبي در پيش‌بيني پارامترهاي هيدرولوژيكي بسيار متداول شده است. هدف تحقيق حاضر استفاده از مدل‌هاي شبكه عصبي مصنوعي و موجكشبكه عصبي در پيش‌بيني تبخيرتعرق مرجع در بازه 1 تا 28 روز در ايستگاه همديدي تبريز و مقايسه بين آن‌ها مي‌باشد. بدين منظور يك دوره آماري 10 ساله {(2000 الي 2009) كه 7 سال (2000-2006) آن براي آموزش و 3 سال (2007-2009) }جهت آزمون و صحت سنجي مدل‌هاي پيشنهادي} در نظر گرفته شد. براي ايجاد سري زماني تبخيرتعرق مرجع روزانه در دوره موردنظر با استفاده از معادله استاندارد پنمن-مانتيث فائو 56 محاسبه گرديد. تركيب‌هاي متفاوتي از داده‌هاي ورودي (تأخيرهاي مختلف) و انواع موجك‌هاي مادر مورد ارزيابي قرار گرفت. نتايج پيش‌بيني تبخيرتعرق مرجع براي يك روز آينده، نشان داد كه مدل تركيبي موجك-عصبي (mm/day 0.07=RMSE و 0.999R=) در مقايسه با مدل شبكه عصبي مصنوعي (mm/day 0.69 RMSE= و 0.964=R) داراي توانايي و دقت بالاتري در پيش‌بيني تبخيرتعرق روزانه براي يك روز آينده مي‌باشد. هم چنين نتايج نشان داد كه استفاده از تأخيرهاي زماني 1 تا 7 (M7) و 1 تا 6 (M6) روزه بالاترين دقت را ارائه مي‌دهند و استفاده از تأخيرهاي كم تر و تأخيرهاي يك‌ساله دوساله دقت مدل را كاهش مي‌دهند. بررسي انواع موجك‌هاي مادر نيز نشان داد كه پيش ‌پردازش داده‌ها با موجك‌ ‌مير به دليل پيچيدگي بيش تر و تشابه به سري زماني تبخيرتعرق مرجع، مي‌تواند موجب افزايش دقت، پيش‌بيني گردد. براي پيش‌بيني تبخيرتعرق مرجع در 2 تا 28 روز آينده، مدل موجكشبكه عصبي پيشنهادي مورد استفاده قرار گرفت. نتايج نشان داد كه با بيشتر شدن زمان پيش‌بيني از 2 تا 28 روز، دقت مدل‌ها كاهش (R از 0.997 براي 2 روز تا 0.929 براي 28 روز) مي‌يابد. هم چنين در پيش‌بيني‌هاي 2 تا 12 روزه استفاده از تأخيرهاي سالانه موجب كاهش دقت مدل گرديد، درحالي‌كه در پيش‌بيني‌هاي 13 تا 28 روزه استفاده از تأخير زماني سالانه افزايش دقت مشاهده گرديد. در نهايت براي مقايسه مدل‌ها از نظر آماري، آزمون‌هاي t و F براي مقايسه ميانگين و واريانس انجام گرفت. نتايج مقايسه نشان داد كه كليه مدل‌هاي پيشنهادي در سطوح 99 و 95 درصد تفاوت معني‌داري وجود ندارد.