بخشی از مقاله
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست ***
استفاده از سیستم های استنتاج فازی (FIS) در برآورد تبخیر و تعرق مرجع روزانه
چکیده
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است؛ لذا این پژوهش با هدف بررسی امکان استفاده از کارآمدی سیستم های استنتاج فازی، در ایجاد نگاشت بین پارامترهای هواشناسی و تبخیر و تعرق گیاه مرجع و مقایسه دقت این سیستم ها با روش های ترکیبی صورت گرفت. براین اساس پس از بررسی مدل های مختلف موجود و بررسی ترکیب های مختلف داده های روزانه هواشناسی، ۵ مدل برای برآورد تبخیر و تعرق مرجع روزانه ارائه شد. در این مدل ها تبخیر و تعرق محاسبه شده از معادله پنمن - مونتیث – فائو به عنوان خروجی مدل در نظر گرفته شد و کارایی مدل های مورد مقایسه با استفاده از آمارههای ریشه میانگین مربع خطا، خطای انحراف میانگین، ضریب تعیین و معیار جاکوویدز و معیار صباغ وهمکاران مورد ارزیابی قرار گرفت. اطلاعات مورد استفاده از داده های هواشناسی ایستگاه سینوپتیک مشهد طی دوره آماری ۵۰ ساله، از سال ۱۳۳۹ تا ۱۳۸۹بود، که از میان داده های موجود، ۷۵ درصد به عنوان آموزش مدل و۲۵برای درصد تست مدل مورد استفاده قرار گرفتند. مقایسه نتایج مدل های فازی ارائه شده با پارامترهای ورودی متفاوت با دو روش پنمن- مونتیث – فائو و هارگریوز- سامانی نشان دادند که، سیستم های فازی قادر به برآورد تبخیر و تعرق مرجع روزانه با دقت قابل قبولی هستند. به طوری که مدل فازی با ۴ متغیر ورودی بالاترین همبستگی را داشته و با در نظر گرفتن سایر پارامترهای ارزیابی، مدل با دو پارامتر دما و رطوبت نسبی تطابق بسیار خوبی با مدل پنمن - مونتیث – فائو در مرحله آموزش داشت. در مرحله آزمون نیز، نتایج بسیار مشابه مرحله آموزش بوده و مدل فازی با ۲ دما و رطوبت نسبی بهترین تطابق را بدست داد. با توجه به نتایج حاصل از این تحقیق، می توان مدل فازی را به عنوان یکی از روشهای برآورد تبخیر تعرق مرجع روزانه با دقت بالا معرفی نمود.
مقدمه
برآورد دقیق میزان آب مورد نیاز در پروژه های آبیاری از اولین و مهم ترین اطلاعات مورد نیازی است که سهم مهمی در موفقیت طرح یا پروژه دارد، زیرا برآورد نادرست آن چه به صورت بیش برآورد یا کم برآورد میزان آب مصرفی، مشکلات عمده ای را ایجاد می کند. اگر برآورد کمتر از مقدار واقعی آب مصرفی باشد، طرح یا پروژه با ایجاد مشکل در انتقال آب مواجه می شود، زیرا تاسیسات و سازه های طراحی شده قادر نخواهند بود آب مورد نیاز زمین های تحت پوشش را انتقال دهند و تنش وارد شده به گیاهان تحت پوشش شبکه موجب خسارت های جبران ناپذیر به عملکرد محصولات زراعی می گردد. در شرایطی که مقدار آب مصرفی در منطقه بیشتر از مقدار مورد نیاز محاسبه شود، هزینه احداث شبکه انتقال آب افزایش یافته و گاه اقتصادی بودن احداث شبکه ها را نیز زیر سوال می برد. افزایش میزان آب داده شده به گیاهان علاوه بر تحمیل هزینه زیاد، کاهش راندمان کاربرد آب رانیز به دنبال داشته و عملا علاوه بر کاهش کمیت و کیفیت محصول باعث تشدید محدودیت در برداشت منابع پرارزش آب شده و خسارات ناشی از توسعه ناپایدار را دو چندان خواهد کرد (۴). یکی از پیش نیاز های اساسی بهبود مدیریت مصرف آب در مزرعه، تخمین دقیق آب مصرفی گیاه است. از آنجایی که به دست آوردن تبخیر و تعرق برای هر نوع زراعت و یا پوشش گیاهی امری بسیار مشکل است، در عمل ابتدا پارامتری به نام تبخیر و تعرق مرجع محاسبه و سپس به کمک آن تبخیر و تعرق گیاه مورد نظر برآورد می گردد. در ایران آب مصرفی گیاهان حدود ۷۱ درصد مصرف کل منابع آبی کشور را به خود اختصاص می دهد، بنابراین برای برآورد آب مصرفی گیاه اطلاع از میزان تبخیر و تعرق لازم و ضروری است (۲).
به دلیل آن که تبخیر و تعرق فرآیندی غیر خطی و شدیدا وابسته به عوامل اقلیمی است، به کارگیری مدل های ریاضی با در نظر گرفتن تمام فاکتورهای موثر بر آن مشکل بوده و با خطاهای قابل توجهی روبروست. همچنین عدم قطعیت و عدم دقت موجود در برآورد تبخیر و تعرق در پیچیدگی این پدیده نقش عمده ای دارد، ضمن اینکه این عدم قطعیت به شرایط اقلیمی و هیدرولوژیکی وابسته بوده و عدم دقت به خطاهای انسانی یا اندازه گیری نیز مربوط می شود (۱۰). یکی از شیوه های برخورد با خطاهای ناشی از عدم قطعیت و دقت، استفاده از تئوری مجموعه های فازی است. به طور نظری هر سیستمی که توسط منطق فازی طراحی شده باشد، توسط سایر تکنیک های مرسوم طراحی نیز قابل پیاده سازی است، اما ممکن است نسبت به شیوه منطق فازی پیچیده تر و مشکل تر باشد. منطق فازی را اولین بار لطفی زاده در سال ۱۹۶۵ معرفی کرد (۲۳). منطق فازی روش نسبتا جدیدی است که شیوه های مرسوم برای طراحی و مدل سازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتا پیچیده ای است با استفاده از مقادير و شرایط زبانی و یا به عبارتی دانش فرد خبره و با هدف ساده سازی و کارآمد شدن طراحی سیستم جایگزین می کند. هدف این نظریه یافتن الگوهای ریاضی است که با استفاده از تفکر، استنتاج انسانی و همچنین با الگوهای طبیعی و واقعی تطابق و سازگاری داشته باشد. اگر چه سیستم های فازی پدیده های غیر قطعی و نامشخص را توصیف می کنند، با این حال تئوری مجموعه فازی یک تئوری دقیق است (۹ و ۱۱).
در سال های اخیر استفاده از مدل های هوش مصنوعی برای شبیه سازی مسائل مختلف رواج بیشتری یافته است. مدل های شبکه عصبی مصنوعی و سیستم های استنتاج فازی دو نمونه بارز از این مدل ها می باشند. محققان بخش صنعت آب نیز در زمینه های مختلف هیدرولوژی از جمله تخمین بار معلق رودخانه، رابطه بارش - رواناب، تعیین فاصله زهکشها و پدیده تبخیر از تشت از مدل های هوش مصنوعی کم و بیش بهره گرفته اند، در زمینه مدل کردن تبخیر و تعرق مرجع نیز با استفاده از این مدل ها مطالعاتی به انجام رسیده است که در ادامه به تعدادی از آنها اشاره شده است (۲). زارع ابیانه و همکاران (۳) برای برآورد مدل های پیش بینی تبخیر و تعرق گیاه مرجع در منطقه همدان از شبکه عصبی مصنوعی و سیستم استنتاج عصبی فازی استفاده نمودند. آنها در تحقیق خود به این نتیجه رسیدند که از میان مدل های بررسی شده، مدل ترکیبی فازی عصبی با ترکیب پارامترهای دمای حداقل، دمای حداکثر و ساعات آفتابی روزانه از دقت بالاتری جهت تخمین تبخیر و تعرق برخوردار است. احمدزاده قره گویز و همکاران (۲) شبکه عصبی مصنوعی و سیستم تطبیقی فازیعصبی را به منظور مدل سازی تبخیر و تعرق مرجع در مناطق بسیار خشک ایران مورد استفاده قرار دادند. ادهيامبو و همکاران (۲۶) از روش منطق فازی برای تخمین تبخیر و تعرق گیاه مرجع استفاده نمودند. در این مطالعه در مدل فازی مورد استفاده قرار گرفت، در مدل اول تابش خورشیدی و رطوبت نسبی هوا و در مدل دوم علاوه بر دو پارامتر مذکور، سرعت باد نیز به عنوان دادههای ورودی منظور شد. نتایج تحقیق نشان داد که روش فازی با سه پارامتر ورودی خطایی نزدیک به روش پنمن- مانتیث داشت، با این تفاوت که در روش پنمن- مانتیث داده های ورودی بیشتری مورد نیاز است. جیا بینگ (۲۲) مقدار تبخیر و تعرق گیاه مرجع را در کشور چین با استفاده از منطق فازی و شبکه عصبی مصنوعی و ترکیب این دو مدل (ANFIS) برآورد کرده و نتایج حاصل را با روش پنمن- مانتیثفائو مقایسه کردند و نتیجه گرفتند که مدل ANFIS با تعداد ساعات آفتابی و حداکثر دما به عنوان داده های ورودی مدل، نتایج بهتری داشته و نسبت به دو مدل دیگر برتری نسبی دارد. آیتک (۱۴) از مدل سیستم استنتاج فازی- عصبی (ANFIS) برای تخمین ETo برای منطقه کالیفرنیا استفاده کردند. آن ها نتایج حاصل از مدل ANFISرا با روش های متداول برآورد تبخیر و تعرق مرجع مانند معادلات پنمن، معادله پنمن- مانتیث فائو و هارگریوز مقایسه کردند و نتیجه گرفتند که مدل ANFIS در مقایسه با سایر روش ها برتر بوده و آن را به عنوان یک مدل تخمین تبخیر و تعرق مرجع پیشنهاد کردند. دوگان (۱۸) برای برآورد تبخیر و تعرق مرجع از سیستم تطبیقی فازی - عصبی استفاده نمود. در این مطالعه از داده های روزانه هواشناسی مانند تابش خورشیدی، دمای هوا، رطوبت نسبی و سرعت باد که از ایستگاه مورگان واقع در سانفرانسیسکو بدست آمده بود به عنوان ورودی های مدل استفاده کرده است. در این تحقیق با مقایسه نتایج مدل با مدل پنمن- مونتیث، نتیجه گرفتند که مدل سیستم استنتاج فازی-عصبی نسبت به سایر روشهای تجربی برتری داشته و می توان از این مدل جهت برآورد تبخیر و تعرق مرجع روزانه استفاده نمود. کیسی (۲۴) از سیستم تلفیقی فازی و الگوریتم ژنتیک برای مدل سازی تبخیر و تعرق مرجع روزانه در منطقه کالیفرنیا استفاده کرده و نتیجه گرفتند که مدل مورد استفاده ابزار توانمندی برای تخمین تبخیر و تعرق مرجع روزانه بوده و آن را برای برآورد این پارامتر پیشنهاد کردند. کوبانر (۱۷) از دو مدل مختلف سیستم تطبیقی فازی عصبی به منظور شبیه سازی تبخیر و تعرق مرجع در لس آنجلس استفاده کرده و نتایج مشابهی با دیگر محققین در خصوص توانمندی مدل فازی عصبی در برآورد تبخیر و تعرق گیاه مرجع را بدست آورد.
هرچند در مطالعات انجام شده از داده های ورودی متفاوتی برای مدل فازی استفاده شده است و مدل های ارائه شده فازی با روش های متفاوت برآورد تبخیر و تعرق مقایسه شده اند، اما تقریبا تمامی نتایج این تحقیقات نشان دادند که مدل فازی ابزار مناسبی برای تخمین تبخیر و تعرق مرجع روزانه بوده و می توان آن را برای برآورد این پارامتر پیشنهاد نمود. علاوه بر منطق فازی، برخی از محققین از شبکه های عصبی مصنوعی برای برآورد تبخیر و تعرق استفاده کرده و این شبکه ها را به عنوان ابزار مناسبی برای برآورد این پارامتر معرفی کرده اند (۶ و ۷).
با توجه به نتایج مطالعات فوق هدف این پژوهش، بررسی امکان استفاده از کار آمدی سیستم های است نتاج فازی در ایجاد نگاشت بین پارامترهای هواشناسی و تبخیر و تعرق گیاه مرجع و مقایسه دقت این سیستم ها با روش های ترکیبی می باشد. علاوه بر این به دلیل کامل نبودن اطلاعات مورد نیاز از یک طرف و هزینه بالای ثبت اطلاعات برای پارامترهای هواشناسی مرتبط با تبخیر و تعرق از سوی دیگر، سعی شده تا نسبت به ارائه مدلی با استفاده از حداقل داده های هواشناسی اقدام گردد.
مواد و روشها
حدود و موقعیت جغرافیایی منطقه
شهرستان مشهد واقع در پهنه جغرافیایی استان خراسان رضوی با وسعت تقریبی ۱۰۴۵ کیلومتر مربع از شمال به کلات، از شمال غرب به شهرستان درگز، از غرب به نیشابور، از جنوب به تربت حیدریه و از شرق به سرخس و تربت جام محدود می شود. این منطقه در محدوده ۳۶ درجه و ۱۶ دقیقه عرض شمالی و ۵۹ درجه و ۳۸ دقیقه طول شرقی و متوسط ارتفاع حدود ۱۰۰۰ متر از سطح دریا قرار گرفته است.
روشهای برآورد تبخیر و تعرق مرجع روزانه
معادله پنمن- مانتیث فائو(PMF56)
به منظور برآورد مقدار تبخیر و تعرق گیاه مرجع به روش پنمنمانتیث فائو از رابطه زیر استفاده شد (۱۳)
که، : تبخیر و تعرق گیاه مرجع
: تابش خالص در سطح پوشش گیاهی
: متوسط دمای هوا در ارتفاع ۲ متری از سطح زمین
: سرعت باد در ارتفاع ۲ متری از سطح زمین
: کمبود فشار بخار در ارتفاع
۲ متری (kPa)، : شیب منحنی فشار بخار در مقابل دما
: ضریب رطوبتی و G: شار گرما به داخل خاک می باشند. برای به دست آوردن اجزای معادله پنمنمانتیث فائو از دستورالعمل ارایه شده در نشریه شماره ۵۶ فائو استفاده گردید (۱۳).
معادله هارگریوز - سامانی
هنگامی که داده های تابش خورشیدی، رطوبت نسبی و یا سرعت باد در دسترس نباشند، می توان از معادله هارگریوز - سامانی برای براورد تبخیر و تعرق گیاه مرجع به صورت زیر استفاده نمود:
تبخیر و تعرق گیاه مرجع و تابش فرا زمینی در معادله ۲ بر حسب میلیمتر بر روز تعیین می شوند. معادله ۲ در هر منطقه جدید باید با مقایسه کرد . بدست آمده به دو روش هارگریوز - سامانی و پنمن- مونتیث فائو در ایستگاه های هواشناسی دارای داده های کامل تابش خورشیدی، دمای هوا، رطوبت و سرعت باد، ارزیابی و تایید شود.۱۱
کاربرد مدل های فازی در برآورد تبخیر و تعرق
ساختار مدل فازی
همان طور که عنوان شد سیستم های استنتاج فازی، مدل های غیر خطی هستند که رابطه ورودی - خروجی یک سیستم واقعی را با استفاده از قوانین “اگر - آنگاه فازی توصیف می کنند (۲۱). ساختار عمومی قوانین تدوین شده به صورت زیر می باشد:
به عبارت دیگر، یک قانون فازی، بیان رابطه بین k متغیر ورودیX1,X2.......Xkو خروجی Y است. عبارت در بخش مقدم قوانین مجموعه های فازی را نشان میدهد که برای جداسازی فضای ورودی به داخل مناطق همپوشانی کننده به کار میرود. یک مجموعه فازی یک تعمیم از مجموعه های کلاسیک است که تابع عضویت به عنوان یک موضوع از درجه در یک فرم باینری تعریف می شود (هرکدام از عدم عضویت یا عضویت کامل) (۷). به منظور ساخت مدل فازی در این تحقیق، ابتدا پارامترهای ورودی مشخص شد. سپس پارامترهای مورد نظر با استفاده از فازی سازها (توابع عضویت فازی شدند و با تشریح قواعد استنتاج جهت برآورد تبخیر و تعرق با استفاده از داده های ورودی، مقادیر خروجی با استفاده از روش نافازی سازی مرکز ثقل تولید شدند. فازی سازی شاخص های ورودی و خروجی، با توجه به دامنه تغییرات آنها با توجه به اطلاعات موجود و بر اساس پیشنهادات محققین به ویژه فائو ۲۴ و ۵۶، برای پارامترهای دما، رطوبت نسبی، تابش خورشیدی و باد به ترتیب ۹، ۹، ۸ و ۷ بازه بکار گرفته شد (۱۳ و ۱۹). همچنین خروجی مدل نیز با ۱۰ سطح و متناسب با تغییرات ورودی در دوره آموزش مدل مدنظر قرار گرفت. با توجه به کاربرد گسترده توابع عضویت مثلثی و ذوزنقه ای در مسائل کاربردی و نتایج حاصل از بررسیها، در این تحقیق نیز برای فازی سازی متغیرهای ورودی و خروجی از هر دو تابع فوق استفاده گردیده .
تعريف قوانین فازی و ترکیب توابع
با توجه به توابع عضویت متغیرهای ورودی و خروجی و درجه همپوشانی آنها و نیز ارتباط ورودی و خروجی مدل در دوره آموزش، قوانین مختلفی با وزن های متفاوت تعریف شد. به منظور تکمیل مراحل مدل سازی، در این تحقیق برای استنتاج فازی از روش ممدانی و استلزام از روش حداقل و برای تجميع قوانین فازی و از روش حداکثر استفاده شد (۱۶، ۲۳ و۲۵).
دی فازی سازی خروجی مدل
در مدل سازی فازی، استنتاج نهایی منجر به یک نتیجه فازی می شود، لذا برای دستیابی به عدد حقیقی باید از روشهای نافازی سازی زیادی که توسط محققین ارائه شده اند (مهم ترین این روشها عبارتند از: روش میانگین حداكثرها، روش مرکز ثقل، روش محل تقاطع نیمسازها.. )، استفاده کرد. در این تحقیق با توجه به جامعیت روش مرکز ثقل، از این روش استفاده شد. در این روش مقدار خروجی با توجه به شکل ۱ از رابطه ۴ محاسبه می شود (۱ و ۱۴)
که در آن مقدار خروجی، درجه عضویت خروجی yو Y مقدار حقیقی شاخص خروجی است.
آموزش و تست مدل های فازی
برای آموزش و تست مدل در این مطالعه، از داده های موجود در ایستگاه سینوپتیک مشهد برای دوره آماری ۵۰ ساله (۱۳۸۹ - ۱۳۳۹) استفاده شد، که به دلیل عدم وجود داده های کامل هواشناسی در برخی از سال ها، روزهایی از سال که دارای اطلاعات کامل مورد نیاز برای محاسبه تبخیر و تعرق در معادله پنمن -مانتیث – فائو بودند، در نظر گرفته شدند. بنابراین پس از حذف نقاط پرت و گمشده، تعداد داده باقیمانده با شرایط فوق در مجموع ۱۷۹۵۶ داده روزانه برای هر پارامتر بود. از این تعداد داده ۷۵ درصد داده ها یعنی حدود ۱۳۵۰۰ داده برای آموزش مدل و ۲۵ درصد بقیه داده ها یعنی در حدود ۴۵۰۰ داده به منظور تست مدل مورد استفاده قرار گرفت.
