پیش بینی تبخیر و تعرق پتانسیل با استفاده از مدل غیر خطی NARX (مطالعه موردی، استان یزد)

تبخیر و تعرق پتانسیل از پارامترهای مهم سیکل هیدرولوژیک است که پیش­بینی آن می تواند کمک شایانی به برنامه ریزی صحیح مدیریت منابع آب، تغییرات نیاز آبی گیاهان در آینده و نیز پیش­بینی وقوع خشکسالی بنماید. در صورت نیاز به پیش­بینی بلند مدت و یا میان مدت تبخیر و تعرق پتانسیل، از مدل های جهانی اقلیمی بر اساس سناریوهای انتشار مورد نظر و ریز مقیاس نمایی خروجی ها استفاده می شود. برای پیش‌بینی های کوتاه مدت استفاده از مدل های آماری توصیه شده است. تبخیر و تعرق پتانسیل یک پدیده غیر خطی است که تحت تاثیر پارامترهای دما، رطوبت، ساعات آفتابی و سرعت باد می باشد. در این مطالعه تبخیر و تعرق پتانسیل با استفاده از روش فائو-پنمن-مانتیث برای ایستگاه سینوپتیک یزد در دوره 1966 تا 2010 محاسبه شد. اخیرا مدل NARX به صورت نسبتا گسترده ای برای پیش­بینی پارامترهای هیدرولوژیکی و اقلیمی به کار گرفته شده است. در این مطالعه توانایی این مدل در پیش بینی تبخیر و تعرق پتانسیل مورد ارزیابی قرار گرفت. NARX یک مدل غیر خطی است که علاوه بر مقادیر پارامتر هدف، داده های تاثیرگذار بر روی پارامتر هدف نیز به عنوان ورودی به مدل وارد می شود. می توان تابع غیرخطی رگرسورهای مدل NARX را از توابع متفاوتی انتخاب نمود. در این مطالعه از شبکه عصبی پیشخور به دلیل دقت بالای آن در مدل سازی فرایندهای غیرخطی استفاده شد. برای آموزش شبکه از الگوریتم GDX استفاده شد. در مرحله بعد، تبخیر و تعرق پتانسیل به کمک مدل NAR که ورودی آن فقط مقادیر تبخیر و تعرق پتانسیل می باشد، پیش­بینی شد و با خروجی های مدل NARX مقایسه شد. نتایج نشان داد استفاده از پارامترهای کمکی به نحو قابل توجهی دقت پیش­بینی مقادیر تبخیر و تعرق پتانسیل را افزایش می دهد. برای مثال همبستگی بین داده های پیش­بینی شده یک ماهه دوره 2010-2002 توسط NAR و NARX با داده های واقعی به ترتیب 72/0 و 92/0 است.