پیش‌بینی تبخیر-تعرق مرجع هفتگی با استفاده از مدل ترکیبی موجک- فازی عصبی تطبیقی

تبخیر-تعرقمرجع یکی ازمهم‌ترین و مؤثرترین مؤلفه‌ها در بهینه‌سازی مصرف آب کشاورزی و مدیریتمنابع آب می‌باشد. در سال‌های اخیر استفاده از روش‌های هوش مصنوعی و مدل هیبریدی بر پایه موجک در پیش‌بینی پارامترهای هیدرولوژیکی بسیار متداول گشته است. در مطالعه حاضر کاربرد روش‌های ANFIS و موجک- ANFIS در پیش‌بینی تبخیر-تعرق مرجع هفتگی مرجع در ایستگاه‌های همدیدی تبریز، اهواز، بندرعباس و رامسر که دارای اقلیم‌های مختلفی هستند، مورد بررسی و ارزیابی قرار گرفت. بدین منظور یک دوره آماری 20 ساله (1990 الی 2009) که 15 سال (1990-2004) آن برای آموزش و پنج سال انتهایی (2009-2005) جهت آزمون مدل‌های مختلف در نظر گرفته شد. ترکیب‌های مختلفی از داده‌های ورودی (تأخیرهای مختلف) و انواع موجک‌های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل هیبریدی موجک-ANFIS در هر چهار ایستگاه همدیدی مورداستفاده نسبت به مدل ANFIS دارای توانایی و دقت بالاتری در پیش‌بینی تبخیر-تعرق هفتگی می‌باشد. همچنین نتایج نشان داد که استفاده از تأخیرهای زمانی سالانه در مدل ANFISموجب افزایش دقت گردید درحالی‌که در مدل موجک-ANFISاستفاده از تأخیرهای زمانی سالانه موجب افزایش دقت نمی‌گردد و در برخی موارد حتی موجب کاهش دقت نیز می‌گردد. بررسی انواع موجک‌های مادر نیز نشان داد که موجک‌میر مناسب‌ترین نوع موجک برای پیش‌بینی تبخیر-تعرق مرجع در مقیاس هفتگی می‌باشد. از نتایج تحقیق حاضر می‌توان در برنامه‌ریزی آبیاری مناطق مورد مطالعه استفاده نمود.