بخشی از مقاله
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست ***
تعیین بهترین مدل سیستم استنتاج تطبیقی فازي- عصبی (ANFIS) در تخمین تبخیر تعرق گیاه مرجع چمن در
اقلیم نیمه خشک ساحلی هرمزگان
چکیده:
تخمین دقیق تبخیر و تعرق پتانسیل((ETo به عنوان مهمترین بخش چرخه هیدرولوژي براي مناطق خشک ایران از قبیل شهر میناب که منابع آبی محدود میباشد، نقش مهمی را در برنامهریزي و مدیریت مسایل آبی ایفا میکند .در این تحقیق دقت و توانایی مدل سیستم استنتاج تطبیقی فازي- عصبی (ANFIS) در تخمین تبخیر تعرق بررسی شده است. با استفاده از متغیرهاي هواشناسی (روزانه) درجه حرارت، رطوبت نسبی، ساعات آفتابی، کمبود فشار بخار، سرعت باد و تابش خورشیدي (مربوط به ایستگاه سینوپتیک شهرمیناب استان هرمزگان) بین سال هاي 2006 لغایت 2011، تبخیر تعرق به روش پنمن مانتیس فائو (PM) 24 محاسبه شده و از نتایج حاصله درکالیبره کردن مدل ANFIS استفاده شده است. همچنین با استفاده از ورودیهاي مختلف، دقت مدل مذکور با مدلهاي تجربی از قبیل هارگریوز سامانی((HS و بیلانی کریدل((BC مقایسه شده است. به منظور ارزیابی عملکرد روش هاي BC,HS,ANFIS با روش استاندارد پنمن مانتیس فائو از آماره هاي متداول سنجش خطا از قبیل ریشه میانگین مربعات خطا RMSE ) )، میانگین مطلق خطا (MAE ) و ضریب تبیین ( R2 ) استفاده شده است. نتایج حاصله نشان داد که مدل ANFIS می تواند بخوبی ETo را تخمین بزند. در بین روش هاي بکار گرفته شده مدل ANFIS روشی مناسب جهت ETO در منطقه میناب شناسایی گردید. ترکیب با 6 ورودي ( با 3 تابع عضویت و مدل گوسی ترکیبی) با مقادیر آماري R2 = 0/999 ، MAE = 0/03 (میلی متر بر روز) و RMSE= 0/04 (میلی متر بر روز ) نتایج بهتري را نسبت به سایر روشها ارائه کرده است. همچنین در این تحقیق ترکیب با 2 ورودي ( با 3 تابع عضویت و مدل گوسی ترکیبی) براي ایستگاههایی که فقط پارامتر دما را اندازه گیري می کنند، به عنوان مدلی مناسب معرفی می گردد.
واژه هاي کلیدي: استنتاج تطبیقی فازي- عصبی، بیلانی کریدل، پنمن مانتیس فائو ، تبخیر و تعرق پتانسیل، هارگریوز سامانی
مقدمه:
انتقال آب از سطح خاك به هوا را تبخیر و خارج شدن آن از گیاه را تعرق گویند. منظور از تعیین تبخیر تعرق برآورد مقدار آبی است که باید به یک پوشش زراعی داده شود، تا در طول دوره رویش صرف تبخیر تعرق نموده و بدون آنکه با کم آبی مواجه شود رشد خود را تکمیل کند و حداکثر مقدار محصول را تولید نماید.(علیزاده .(1381 تبخیر تعرق یکی از بخشهاي مهم سیکل هیدرولوژي است و تخمین دقیق این پارامتر به منظور مطالعاتی نظیر بیلان آبی، مدیریت و طراحی سیستمهاي آبیاري و مدیریت منابع آب مورد نیاز است. (لینسلی .(1982 این دو پدیده هر دو ماهیت تبخیري داشته و چون تفکیک آنها از یکدیگر امکان پذیرنمی باشد، مجموعاً بنام تبخیر تعرق((ET در نظر گرفته می شود(نساجی زواره و صادقی فر .(1386 چون تعیین ETواقعی گیاه مورد نظر کار بسیار دشواري است و معمولاً نتایج مطلوبی را به دنبال ندارد، به همین منظور از نمایه تبخیر تعرق پتانسیل((ETo به عنوان توان حداکثر تبخیري در محل استفاده می شود. که پس از بدست آوردن و ضرب کردن آن در ضریب گیاهی می توان تبخیر تعرق واقعی را بدست آورد. بطور کلی از دو روش مستقیم و غیر مستقیم جهت اندازه گیري تبخیر تعرق گیاه استفاده می شود. در روش مستقیم از دستگاهی به نام لایسیمتر((LIsimeter استفاده می شود. نصب و نگهداري این دستگاه بسیار پرهزینه است. لذا در ده هاي اخیر از روش هاي غیر مستقیم جهت تعیین تبخیر تعرق استفاده می شود. یکی از این روش هاي مورد تایید فرمول پنمن مانتیس فائو می باشد. این روش بر اساس ارتباط بین پارامتر هاي هواشناسی و ETo پایه گذاري شده است. تحقیقات زیادي در سال هاي گذشته جهت برآرود تبخیر تعرق توسط این روش صورت گرفته است. پرییرا و همکاران((2006 ، آنهی این و همکاران (2008) مدل پنمن و مانتیس را به عنوان روش مرجع مورد استفاده قرار داده است. همچنین محققانی چون مهاوش (2011) بختیاري و همکاران (2011) زارع ابیانه و همکاران (1389) نساجی زواره و صادقی فر((1386 روشن و همکاران((1390 بر روي این روش تحقیقاتی انجام داده اند. جهت ایجاد رابطه اي بین ETo و متغیرهاي هواشناسی باید یک رابطه غیر خطی برقرار کرد( کیسی 2006 و مقدم نیا و همکاران .(2009 یکی از روش هایی که قادر است روابط غیر خطی بین متغیر ها برقرار کند، شبکه هاي عصبی و فازي-عصبی است . این روش ها در ده هاي اخیر توسط محققین بسیاري مورد سنجش و تایید قرار گرفته است. کومار وهمکاران (2012) در منطقه نگار((Ngar هندوستان با استفاده ار داده هاي روزانه متوسط رطوبت نسبی، تابش خورشیدي، متوسط دما و سرعت باد، مقدار تبخیر را با استفاده از روش شبکه هاي عصبی مصنوعی و سیستم استنتاج فازي-عصبی (ANFIS) تخمین زدند. ایشان پس از مقایسه نتایج حاصل با مقادیر تبخیر، تشت تبخیر، نتیجه گرفتند که هر دو مدل توانسته اند بخوبی تبخیر را تخمین بزنند. ولی مدل ANFIS به مقدار کمی بهتر از مدل شبکه هاي عصبی مصنوعی می باشد. کرم الدینی و همکاران (2011) دقت و توانایی مدل ANFIS را در تخمین تبخیر – تعرق بررسی نمودند. ایشان مقدار این پارامتر را با استفاده از پارامتر هاي روزانه هواشناسی ایستگاه سینوپتیک و لایسیمتر کرمان و روش هاي ANFIS، هارگریوز-سامانی، ایرماك، پریستلی- تیلور، مک کینگ و لینارك محاسبه و با یکدیگر مقایسه نمودند و به این نتیجه رسیدند که مدل ANFIS با چهار ورودي و مقادیر R2=0/988 و مقادیر خطاي 0/279 بیشترین دقت را داشته است. شایان نژاد (1385) دقت روش هاي شبکه هاي عصبی مصنوعی و روش پنمن و مانتیس فائو((PM را در تخمین ETo با داده هاي لایسیمتري ایستگاه همدان مورد ارزیابی قرار دادند. این نتایج نشان داد که روش شبکه هاي عصبی مصنوعی داراي خطاي کمتري(0/7 میلی متر در روز) نسبت به روش 1/2) PM میلی متر بر روز) می باشد. قبائی سوق و همکاران (1389) روش شبکه هاي عصبی مصنوعی((ANN را جهت تخمین ETo، در مقابل روش PM با استفاده از داده هاي لایسیمتري دانشگاه شیراز مورد بررسی قرار دادند، و به این نتیجه رسیدند که این روش با مقادیر R2=0/9994 و RMSE=0/0548 در مقابل روش PM، می تواند نتایج بهتري ارائه نماید. عصاري و همکاران((1388 تبخیر - تعرق گیاه مرجع را با استفاده از شبکه هاي عصبی مصنوعی در محیط گلخانه شبیه سازي کردند. ایشان نتایج این روش را با داده هاي میکرولایسیمتر واقع در گلخانه مقایسه کردند و نتیجه گرفتند که این روش با داده هاي ورودي تابش، دماي حداقل، دماي حداکثر ، ساعت آفتابی و فشار بخار واقعی می تواند تخمین مناسبی از ETo در گلخانه داشته باشد. صیادي و همکاران (1388) روش شبکه ها عصبی با تابع پایه شعاعی((RBF و شبکه هاي پرسپترون چند لایه((MLP را بطور ماهانه در مقابل روش PM در ایستگاه تبریز مورد مقایسه قرار دادند. با بررسی انجام شده مشخص گردید که می توان تنها با استفاده از دو پارامتر میانگین دما و سرعت باد تبخیر-تعرق را با دقت قابل قبولی( R2=0/976 و (RMSE=0/048 تخمین زد. کوچک زاده و بهمنی((1384 از شبکه هاي عصبی جهت برآرود ET0 استفاده کرد. ایشان همچنین سایر روش ها (بیلانی کریدل، جنس هیز اصلاح شده و هارگریوز سامانی) را با روش PM مقایسه کردند. نتایج حاصله نشان داد که شبکه هاي عصبی مصنوعی می تواند در مقایسه با سایر روش ها از دقت بالاتري برخوردار باشد. پلنگی و همکاران((1385 تبخیر – تعرق را با استفاده از آمار روزانه ایستگاه اهواز به روش شبکه ها عصبی محاسبه و نتایج را با روش PM مقایسه کردند. اطلاعات ورودي شامل دماي ماکزیمم، دماي مینیمم، رطوبت نسبی ماکزیمم و مینیمم، سرعت باد و ساعات آفتابی بودند . در این تحقیق مشخص گردید که می توان با استفاده از روش شبکه ها عصبی مقادیر تبخیر – تعرق را با درصد خطاي کم تخمین زد. بهترین نتایج براي آرایش 1-6- 1 و تابع محرگ سیگمویید حاصل گردید. هلقی و همکاران((1388 با استفاده از آمار روزانه ایستگاه هواشناسی گنبد و روش سیستم استنتاج فازي – عصبی((ANFIS مقادیر تبخیر را محاسبه کردند. نتایج حاصله پس از تشت مقایسه با مقادیر تشت تبخیر نشان داد که این روش داراي دقت بسیار بالایی جهت تخمین تبخیر در منطقه می باشد. شادمانی و معروفی((1389 با استفاده از آمار روزانه ایستگاه هواشناسی کرمان و روش هاي رگرسیون خطی، شبکه هاي عصبی((ANN، سیستم استنتاج فازي – عصبی((ANFIS و استیفنز – استوارت مقادیر تبخیر را محاسبه نمودند. داده هاي ورودي شامل متوسط دما، فشار، رطوبت نسبی، تابش خورشیدي و سرعت باد بوده است. نتایج خاصل از نتایج مختلف با داده هاي تشت تبخیر مقایسه گردید و مشخص شد که مقادیر برآورد شده توسط روش ANFIS از دقت بالاتري نسبت به سایر روش هاي مورد استفاده،برخوردار است( R2=0/85 و .(RMSE=1/61 مساعدي و قبائی((1390 مقادیر تبخیر روزانه از تشت تبخیر با استفاده از روش ANFIS ، استیفنز – استوارت و ماکیانو محاسبه نمودند. این تحقیق در منطقه شیراز انجام گرفت . پس از مقایسه خروجی ها از روش هاي مختلف مشخص گردید که روش ANFIS با مقادیر R2=0/9 و RMSE=1/34 بهترین روش جهت برارود تبخیر در این منطقه می باشد. انگبینی و هنر بخش((1389 مقادیر تبخیر – تعرق گیاه مرجع را با استفاده از روشهاي شبکه هاي عصبی((ANN و سیستم استنتاج فازي – عصبی((ANFIS در مقایسه با روش پنمن مانتیس فائو((PM محاسبه، و نتیجه گرفتند که روش ANFIS جهت برآرود این پارامتر مناسب تر از روش ANN می باشد. زارع ابیانه و همکاران((1388 در منطقه همدان و با استفاده ازآمار روزانه هواشناسی با استفاده از روش هاي ANN و ANFIS مقادیر تبخیر - تعرق را در مقایسه با داده هاي لایسیمتر بدست آوردند. داده هاي ورودي شامل دماي حداکثر و حداقل، رطوبت نسبی، سرعت باد و ساعات آفتابی بودند. نتایج این تحقیقق بیان گر این مطلب می باشد که هر دو روش به خوبی مقادیر ET0 تخمین زده اند؛ و هیچ تفاوت معنی داري بین دو روش وجود ندارد. اما روش ANFIS کمی بهتر است . در پایان با استفاده از داده هاي دماي حداکثر و حداقل و ساعات آفتابی، مقادیر ETo را با دقت مناسبی تخمین زده شد ( R2=0/9 و .(RMSE=0/07 بیات ورکشی و همکاران((1388 جهت محاسبه ETo در منطقه همدان از چهار روش PM، بیلانی کریدل، ANN و ANFIS استفاده کردند. نتایج با داده هاي لایسیمتري مقایسه گردید و تعیین گردید که روش ANN با ضریب همبستگی 0/95 و با آرایش 6-3-1 بهترین روش جهت برآرود E می باشد. انصاري و مرادي((1389 مدلی فازي جهت برآرود ETo ساعتی با کمترین داده هاي ورودي در سراسر کشور ایران ارائه نمودند. نتایج حاصله با داده هاي لایسیمتر مقایسه گردید. ایشان نتیجه گرفتند که مدل استنتاجی فازي می تواند با یک ورودي(دما) با توجه به R2=0/95 و RMSE=0/07 مدلی با دقت بالا جهت برآرود ETo ارائه نماید.
هدف از انجام این تحقیق بررسی کارآمدي سیستم استنتاج تطبیقی فازي- عصبیANFIS در تعیین تبخیر تعرق گیاه پیاز در منطقه میناب و تعیین بهترین مدل ANFIS در مقایسه با روش مبناء پنمن مانتیس فائو وهمچنین ارائه مدلی که بتواند تنها با پارامتر دما ETo را به خوبی تخمین بزند، بوده است.
مواد و روش ها:
منطقه مطالعاتی و داده هاي مورد استفاده:
محل اجراي آزمایش ایستگاه تحقیقاتی هواشناسی میناب در مجاورت شهرستان میناب استان هرمزگان، با مختصات جغرافیایی 27 درجه شمالی و24 درجه و 56 دقیقه طول شرقی است که ارتفاع آن ازسطح دریا 15 متر است. این شهرستان داراي آب و هواي خشک با تابستانهاي بسیار گرم و زمستانهاي نسبتا معتدل می باشد. این روند در پهنه بندي توسط روش دومارتن تایید می گردد. جدول 1 مشخصات اقلیمی این شهرستان را نشان می دهد. جهت انجام این تحقیق از دوره آماري شش ساله به صورت روزانه ( 2006 لغایت (2011 استفاده گردید. در ابتدا 11 پارامتر هواشناسی اندازه گیري شده در این ایستگاه به عنوان اطلاعات اولیه انتخاب و پس از تعیین همبستگی با تبخیر-تعرق خروجی از مدل پنتمن مانتیس فائو((PM ، فقط 6 پارامتر که داراي بهترین ضریب همبستگی بودند انتخاب شدند. این پارامترها شامل میانگین دماي هوا (T) ، میانگین رطوبت نسبی (RH) ، سرعت باد (U) ، مقدار ساعت آفتابی (N) ، کمبود فشار بخار اشباع (o) و تابش خالص روي سطح گیاه (Rn) می باشند. سپس جهت تعیین کفایت داده ها، از شاخص kmo و آموزش بارتلت در نرم افزار spss16 استفاده گردید.سري اطلاعات هواشناسی موجود داراي یکسري داده گمشده بود. این داده ها عمدتاً مربوط به دما، ساعت آفتابی و رطوبت بودند. جهت بازسازي داده هاي گمشده از روش همبستگی و تولید رگرسیون خطی با ایستگاههاي مجاور ( رودان، جاسک، کهنوج و بندرعباس ) استفاده گردید.
روش ها:
روش هاي ترکیبی و تجربی:
در این مقاله از روش ترکیبی پنمن مانتیس فائو و روش هاي تجربی بیلانی-کریدل و هارگریوز - سامانی استاده گردیده است، که به ترتیب در فرمول هاي 1، 4 و 5 نشان داده شده است. رحیمی خوب (2009) فرمول پنمن مانتیس فائو را بر اساس روش آلن (1996) در معادله 3 به صورت زیر بیان کرده است:
که در آن ETo تبخیر- تعرق گیاه مرجع((mm/day، Rn تابش خالص در سطح پوشش گیاهی(-Mjm-2d (1، T متوسط دماي هوا در ارتفاع 2 متري از سطح زمین((Co، U2 سرعت باد در ارتفاع 2 متري از سطح زمین((ms-1،
ea ed کمبود فشار بخار در ارتفاع 2 متري (Kpa)، شیب منحنی فشار بخار (KpaC-1)، G شار گرما به داخل خاك (Mjm-2d-1) و ضریب رطوبتی (KpaC-1) است. در رابطه بالا و ea و ed به ترتیب از روابط 2 و 3 محاسبه می گردند.
که در آن T و Tmin به ترتیب متوسط دماي هوا و حداقل دماي هوا((Co است. آنتونی روبرتو و همکاران (2006) ، یانهی و همکاران (2008) ، رحیمی خوب (2009) و سایر محققین برتري این روش را نسبت به سایر روش هاي ترکیبی و تجربی بیان کرده اند(برینجینا و گیولن((2005، گیولن و همکاران((2007، لوپز و همکاران((2006، پرییرا و پریوت((2004، اسمیت و همکاران(.((1997 در این طرح، به علت عدم دسترسی به لایسیمتر جهت برآورد دقیق پارامتر تبخیر- تعرق و همچنین با توجه به تایید روش پنمن – مانتیس – فائو 24 به عنوان یکی از روشهاي پایه جهت تبخیر- تعرق گیاه مرجع، از این روش به عنوان روش رفرنس جهت مقایسه سایر روشها استفاده گردیده است.
که در آن ETo تبخیر- تعرق گیاه مرجع ( mm/day )، P ضریب مربوط به طول روز ( درصد) ، T متوسط ماهانه درجه حرارت (Co)و a و b ضرائب اقلیمی است. با توجه به بررسی هاي FAO 24 در بسیاري از ایستگاههاي کم آمار ( مانند کشور ایران ) بیلانی-کریدل برتري خود را نسبت به روش پنمن – مانتیس حفظ کرده است. روشن و همکاران ( 1390 ) و فرهودي و شمسی پور ( ( 1379 بیات ورکشی و همکاران ( ( 1388 این روش را جهت برآورد تبخیر- تعرق در نظر گرفته اند.
در این معادله ETo تبخیر- تعرق گیاه مرجع چمن ( میلی متر بر روز )، S درصد ساعات تابش آفتاب،TD تفاوت متوسط دماي ماکزیمم و مینیمم روزانه (Co)، Ra تابش برون زمینی ( میلی متر) و T میانگین دماي روزانه (Co) است.
روش سیستم استنتاجی تطبیقی فازي-عصبی :(ANFIS)
در این بخش از پژوهش از منطق فازي براي پیوسته کردن متغیرهاي ورودي به شبکه، که شامل اطلاعات مربوط به فرایند تبخیر- تعرق می باشد، استفاده شده است( آبیک .( 2008 این سیستم نوعی شبکه تطبیقی چند لایه، متشکل از عناصر اصلی و توابع سیستمهاي منطق فازي است که توسط یانگ (1993) بسط داده شد(مساعدي و قبائی سوق .(1390 در مجموع سیستم ANFIS متشکل از ساختار 5 لایه با تعدادي متغیر ورودي است که هر ورودي دو یا چند تابع عضویت دارد. شکل2 مثالی از شبکه ANFIS با دو وروديv و d ، یک خروجی f و دو قانون است(بیات ورکشی و همکاران .(1388
شکل-2 ساختار مدل ANFIS با دو ورودي و یک خروجی
ساختار مناسب ANFIS متناسب با داده هاي ورودي، نوع تابع عضویت ورودي و خروجی، قوانین و تعداد توابع عضویت انتخاب می گردد .روش آموزش اصلی در این سیستم، روش پس انتشار خطا است که در ترکیب با کم ترین مربعات خطا، روش ترکیبی هیبرید بدست می آید. پس از محاسبه خطا، مقدار خطا به سمت ورودي ها، پخش و پارامترها تصحیح می شود (شادمانی معروفی .(1389 در ANFIS قوانین ثابت می باشد و آنچه بهینه سازي می شود توابع عضویت است ( کریم الدینی .(2011 در این طرح از MATLAB R 2008a جهت اجراي برنامه ANFIS استفاده شده است. توابع عضویت مثلثی، ذوزنقه اي، زنگوله اي عمومی و گوسی ترکیبی به عنوان توابع ورودي و از توابع عضویت خطی به عنوان تابع خروجی استفاده گردید. براي تخمین ETo با توجه به تعداد ترکیبات ورودي و نوع تابع عضویت، در مجموع 48 آرایش مختلف اجرا گردید. همچنین فقط از قانون آموزش ترکیبی استفاده شد.
معیارهاي ارزیابی نتایج:
به منظور ارزیابی عملکرد روش هاي BC,HS,ANFIS با روش استاندارد پنمن – مانتیس فائو((PM از آماره هاي متداول سنجش خطا از قبیل ریشه میانگین مربعات خطا RMSE) )، میانگین مطلق خطا (MAE) ، ضریب تبیین ( R2 ) و نسبت تخمین((R استفاده شده است . معادلات 7 تا 10 آماره هاي مذکور را نشان می دهند. هرچه آماره هاي مربوط به خطا نزدیک به صفر و ضریب تبیین نزدیک به 1 باشد، عملکرد مدل مورد بررسی با روش استاندارد بهتر خواهد بود مهاوش .(2011) سیدون ترا و همکاران (2008) کریم الدینی و همکاران (2011)، این آماره ها را جهت تعیین عملکرد انتخاب نموده اند.
در روابط بالا n تعداد داده ها، ETo مقدار تبخیر- تعرق معادله پنمن – مانتیس، ETa میانگین تبخیر- تعرق پنمن مانتیس و ETm تبخیر- تعرق حاصل از هریک از روش ها می باشد. در نهایت با ترسیم نتایج نمودار رگرسیونی مطابق مدل خطی مناسب بودن عملکرد بکار گرفته شده ، ارزیابی گردید. در مدلهاي خطی Y=A+BX هرچه ضریب عرض از مبداء (a) به صفر و شیب خط ( b) به یک نزدیکتر باشد، نشان دهنده مطلوب بودن مدل است(رضائی (1383 و (ایرمارك .( 2003 جهت تعیین تبخیر - تعرق توسط روش ANFIS، با توجه به دوره آماري مذکور در کل 2190 رکورد داده جهت مدل سازي تبخیر - تعرق جمع آوري گردید. جدول 2 نتایج حاصل از اجراي نرم افزارSPSS 16 در تعیین ارتباط بین متغیرهاي وابسته و متغیر مستقل ( ETO) بر اساس ضریب همبستگی پیرسون براي پیشنهاد مقادیرهاي مختلف ورودي نشان می دهد.
در روش ANFIS داده هاي ورودي به مدل به سه دسته تقسیم می گردند.
-1 داده هاي آموزش
-2 داده هاي چک
-3 داده هاي تست
