تبخیر از سطح مخازن سدها یکی از پارامترهای کلیدی در هیدرولوژی و مدیریت منابع آب به شمار میرود. پیچیدگی روابط غیرخطی میان عوامل هواشناسی، دقت روشهای کلاسیک برآورد تبخیر را محدود میسازد. در این پژوهش، سیستم استنتاج عصبی-فازی بهعنوان رویکردی نوین برای پیشبینی تبخیر مخزن سد بوکان در استان آذربایجان غربی به کار گرفته شد. دادههای ماهانه هواشناسی در دوره زمانی 1387 تا 1403، شامل دمای هوا، رطوبت نسبی و بارندگی بهعنوان ورودیهای مدل و تبخیر ماهانه بهعنوان خروجی در نظر گرفته شدند. برای انتخاب ترکیب بهینه پارامترهای ورودی، از تحلیل رگرسیونی استفاده شد و هشت ترکیب مختلف مورد آزمون قرار گرفت. مدل مبتنی بر دمای بیشینه ماهانه بالاترین دقت را دارد. نسبت ریشه دوم مربعات خطا به دامنه تغییرات نشان میدهد که خطای این مدل کمتر از ۱۰ درصد نوسانات کل تبخیر است که در رده دقت عالی قرار میگیرد. آزمون دایبولت- مارینو نیز تأیید میکند که این مدل بهطور معناداری از مدلهای مبتنی بر رطوبت و بارندگی بهتر عمل میکند. این برتری نشانه رابطه قوی و مستقیم بین دمای بیشینه و فرآیند تبخیر است که در منطقه بوکان، نقش انرژی خورشیدی را به عنوان عامل اصلی محرک تبخیر نشان میدهد. تابع عضویت از بین توابع به کار گرفته شده بهترین نتایج را به دست داد. همچنین تعداد 100 دوره آموزشی Trimf برتری نسبی نسبت به دیگر تعداد دورههای آموزشی را داشت. در بهترین سناریو ضریب همبستگی بین دادههای مشاهداتی و پیشبینیشده برابر با 927/0 بود. این یافتهها بیانگر توانایی بالای سیستم عصبی-فازی در پیشبینی تبخیر مخزن سد بوکان است.
نوع مطالعه:
كاربردي |
موضوع مقاله:
تخصصي دریافت: 1404/10/10 | پذیرش: 1404/11/11 | انتشار: 1404/11/11