شبیه سازی و مقایسه ی تبخیر و تعرق پتانسیل به روش های شبکه عصبی مصنوعی، نروفازی ودرخت تصمیم گیریM5 (مطالعه موردی؛ ایستگاه سینوپتیک شیراز )

تخمین صحیح تبخیر و تعرق در طراحی، مدیریت سیستم های آبیاری و زهکشی از اهمیت زیادی برخوردار است. یکی از روش های تخمین تبخیر و تعرق، که در حل این مسائل و پیش بینی آن کاربرد زیادی دارد، روش های نروفازی (ANFIS)، شبکه های عصبی مصنوعی (ANNs) و درخت تصمیم گیری M5 می باشند. هدف از این تحقیق، بررسی کارایی روش های مذکور در برآورد تبخیر و تعرق مرجع در ایستگاه هواشناسی شیراز می باشد، بدین منظور داده های هواشناسی روزانه 5 ساله ایستگاه مذکور به عنوان ورودی مدل ها انتخاب شدند. برای اجرای مدل شبکه عصبی مصنوعی، مدل نرو فازی و درخت تصمیم گیری M5 به ترتیب از نرم افزارهای Qnet2000، MATLAB و WEKAاستفاده گردید. جهت ارزیابی نتایج مدل های ذکر شده ریشه میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و معیار میانگین قدرمطلق خطای نسبی (MAE) استفاده شد. نتایج حاصل از مدل شبکه عصبی مصنوعی و مدل انفیس به کمک شاخص های آماری R2، RMSEو MAEبه ترتیب برابر با 999/0 ، 0009/0و 00000139/0- و 999/0، 001855/0و 00119/0- به دست آمد، که نشان از دقت بالای هر دو مدل در شبیه سازی دارد. هم چنین مقدار ضریب همبستگیR2 ،RMSE و MAE مدل درخت تصمیم گیری بترتیب برابر 717/0 ، 1088/0 و 0387/0 محاسبه شدند که نشان دهنده ی کارایی مناسب مدل درختی M5 در پیش بینی میزان تبخیر و تعرق مرجع است.