بررسي عملكرد الگوريتم هيبريدي كرم شب تاب و شبكه عصبي مصنوعي در شبيه سازي مقادير تبخير روزانه

Study performance of the hybrid Firefly algorithm and artificial neural network in simulation of the daily evaporation values

شبيه سازي فرايند تبخير امري بسيار مهم در برنامه ريزي و مديريت منابع آب مي باشد و به دليل پيچيدگي فرايند تبخير، تعيين دقيق اين پارامترهاي آن مستلزم استفاده از روشهاي دقيقي است كه با دقت قابل قبولي بتواند اين فرايند را شبيه سازي كند. با استفاده از روش هيبريدي شبيه سازي و بهينه سازي مي‌توان فرايند تبخير را با دقت بالايي شبيه سازي كرد. در اين پژوهش با استفاده داده هاي تبخير روزانه ايستگاه سينوپتيك رودسر از سال 1391 تا 1394 به مدت چهار سال، كارايي الگوريتم هيبريدي كرم شب تاب در برآورد تبخير روزانه در مقايسه با شبكه عصبي مصنوعي مورد ارزيابي قرار گرفت. با توجه به اهميت پارامترهاي اقليمي و ميزان همبستگي آن ها با تبخير ، ورودي مدل ها در قالب 6 سناريوي مختلف مورد سنجش قرار گرفت.در هر دو مدل بكار گرفته شده، سناريوي برتر مدلي بود بود كه ورودي آن شامل بيشينه دماي هوا، كمينه دماي هوا، رطوبت نسبي هوا، سرعت باد، ساعت آفتابي بود. كه طي اين ساختار تبخير شبيه سازي شده به وسيله شبكه عصبي مصنوعي داراي ريشه مربعات خطاي برابر 1/2 ميلي متر در روز، ميانگين خطاي مطلق 0/83 و همچنين همبستگي 0/67 بوده است. و همينطور همين نتايج مربوط به الگوريتم هيبريدي كرم شب تاب در همين سناريو برابر ريشه مربعات خطاي 0/88 ميلي متر در روز ، ميانگين خطاي مطلق 0/62 و همينطور همبستگي 0/93 مي‌باشد. دستاوردهاي حاصل از اين پژوهش نشان داد كه الگوريتم هيبريد كرم شب تاب در برآورد تبخير روزانه با اختلاف نسبي موفق تر از شبكه عصبي مصنوعي عمل كرده است.

Simulation of evaporation process is a very important affair in the planning and management of water resources and due to the complexity of the process of evaporation, determine its exact parameters require the use of detailed procedures that reasonably accurately grasping the process simulation. Using a hybrid method for simulation and optimization of the process of evaporation can be fitted with a high-precision simulation. In this study, we used the data on the daily synoptic station rudsar evaporation of the year 1391 to 1394 for four years, the performance of the hybrid Firefly algorithm to estimate daily evaporation in comparison with artificial neural network was evaluated. Due to the importance of climatic parameters and correlation with the amount of evaporation, input models in the form of 6 different measurement scenario. in both models have been applied, the superior was a model scenario was that the entry contains the maximum air temperature, minimum temperature, air relative humidity, wind speed, the Sundial. During the simulated evaporation of the structure by means of artificial neural network has a root equal squares of error 1.2 mm in days and corrolation 0.67, the average absolute error has been 0.83 as well as solidarity. an‎d also the same results relating to the hybrid Firefly algorithm in this scenario against the root of the squares of the error 0.88 mm in days, the average absolute error 0.62 and also fitted 0.93 correlation.