بخشی از مقاله
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست ***
پیش بینی میزان تبخیر- تعرق پتانسیل معادله فائو- پنمن- مونتیث با استفاده از برنامه ریزي ژنتیک
چکیده
از جاییکه عوامل بسیار زیادي در تبخیر- تعرق دخالت دارند برآورد دقیق تبخیر- تعرق اگر نتوان گفت که غیر ممکن است کاري بس مشکل است. در حقیقت حصول روش هاي مناسب و دقیق در پیش بینی تبخیر- تعرق پتانسیل را می توان به عنوان یکی از مهم ترین چالش ها در فرایند مدیریت میزان رطوبت مورد نیاز در تامین رطوبت گیاه دانست. فاکتورها و عوامل مختلفی بر روي تبخیر - تعرق پتانسیل تاثیرگذار می باشند که تحلیل این پدیده را مشکل می سازند. مدل هاي فیزیکی مفهومی، رگرسیونی و سري هاي زمانی از معمول ترین روش هاي تحلیل میزان تبخیر- تعرق پتانسیل در معادلات مختلف می باشند که با توجه به حل خطی پدیده پیچیده میزان تبخیر - تعرق پتانسیل یا کمبود اطلاعات مورد نیاز، نتایجی همراه با خطا ارائه می دهند. امروزه مدل هاي هوشمند با توجه به توانایی در حل پدیده هاي غیرخطی و پیچیده، کاربردهاي فراوانی در مسائل روابط آب- خاك- گیاه پیدا کرده اند. در تحقیق حاضر ضمن معرفی برنامه ریزي ژنتیک (GEP) به عنوان یک روش صحیح براي تخمین مفدار تبخیر- تعرق پتانسیل با استفاده از دادههاي هواشناسی شهر تبریز، از این روش به منظور پیش بینی تبخیر- تعرق پتانسیل این شهر با استفاده از معادله فائو- پنمن- مونتیث استفاده گردید. با توجه به شاخص هاي آماري بکار گرفته شده نتایج حاکی از کارایی مناسب و دقت بالاي برنامه ریزي ژنتیک در پیش بینی تبخیر- تعرق پتانسیل می باشد. همچنین راه حل هاي صریحی که نشانگر ارتباط بین متغیر هاي ورودي و خروجی باشد، بر مبناي برنامه ریزي ژنتیک ارائه گردیدند.
واژه هاي کلیدي: برنامه ریزي ژنتیک، تخمین، تبخیر- تعرق پتانسیل، معادله فائو- پنمن- مونتیث
مقدمه
افزایش روزافزون نیازهاي آبی به دلیل توسعه جمعیت انسانی و پیشرفت صنعت و کشاورزي در دنیاي امروز امري اجتناب ناپذیر است. از طرفی محدودیت منابع آبی و اصل پایداري در مدیریت آن، تامین آب کلیه نیازهاي موجود را غیرممکن ساخته است. به همین دلیل اهمیت تبخیر- تعرق پتانسیل بیش از پیش نمایان شده است. در زنجیره آب، خاك، گیاه، اتمسفر آب مستقیما از سطح خاك و یا توسط گیاه به داخل اتمسفر وارد میشود. انتقال آب از سطح خاك به هوا را تبخیر و خروج آن از گیاه را تعرق گویند که این دو پدیده غیر قابل تفکیک بوده ومجموعا بصورت تبخیر- تعرق گفته می-شود.(علیزاده، (1383 فریماه السادات (1388) به کمک داده اي سطح پوشش برف جریان ورودي به مخزن سد شاهچراغچی را به کمک مدل شبکه عصبی مصنوعی پیش بینی نمودند. داننده مهر و مجدزاده طباطبایی((1389 تاثیر توالی دبی روزانه را در پیش بینی جریان رودخانه ها با استفاده از الگوریتم ژنتیک بررسی کردند. دربندي و ارونقی((1390 با استفاده از مدل هاي هوشمند دماي بیشینه، کمینه و متوسط هواي ایستگاه هاي سینوپتیک استان آذربایجان شرقی را تخمین زده و با هم مقایسه نمودند. دربندي و همکاران (1390) با استفاده از برنامه ریزي ژنتیک اثر تغییر اقلیم بر دماي حوضه دریاچه ارومیه را مورد بررسی قرار دادند.
قربانی و همکاران (2010) نوسانات سطح آب دریاچه ارومیه را با استفاده از برنامه ریزي ژنتیک پیش بینی نموده و نتایج بدست آمده را با نتایج حاصل از شبکه عصبی مصنوعی مقایسه نمودند.
خو و همکاران (2001) در یک تحقیق در مورد حوضه آبریز اورگوال1 در کشور فرانسه، از برنامهریزي ژنتیک براي پیش بینی رواناب ساعتی بهره برده و نتایج حاصل را با مقادیر مشاهداتی و نیز مقادیر محاسبه شده توسط روش هاي کلاسیک مقایسه کردند. حاصل تحقیق، بیانگر دقت قابل قبول برنامه ریزي ژنتیک بود.
آیتک و کیسی (2008) با استفاده از برنامه ریزي ژنتیک پدیده حمل رسوب رودخانه تانگو2 در مونتانا 3 را با دادهاي روزانه مدلسازي کردند که نتایج حاصل از GP با نمودارهاي شدت رسوب و مدل هاي رگرسیون چند خطی مطابقت خوبی نشان داد.
آیتک و همکاران (2008) از شبکه هاي عصبی و برنامه ریزي ژنتیک براي مدلسازي بارش-رواناب روزانه حوضه رودخانه جونیاتا4 در ایالت پنسیلوانیاي آمریکا استفاده کرده و نتیجه گرفتند که برنامه ریزي ژنتیک با دقت بهتري نسبت به شبکه هاي عصبی مصنوعی فرآیند بارش-رواناب را مدلسازي میکند.
در سال هاي اخیر روش هاي جدید رایانه اي از نوع الگوریتم هاي گردشی و شبکه هاي عصبی مصنوعی به طور وسیعی در تمامی زمینه هاي علوم و مهندسی، بویژه در مورد مسائل اگروهیدرولوژیکی بکار گرفته می شوند (فرانکل و همکاران، 1997، الیزوندو و همکاران، .(1994 در کاربرد هاي مهندسی، برنامه ریزي ژنتیک جدیدترین شیوه الگوریتم هاي فراکاوشی می باشد که به دلیل دارا بودن دقت کافی، از کاربرد بیشتري برخوردار است . بر طبق دلایل و شواهد موجود راجع به اهمیت تبخیر - تعرق پتانسیل به مساله تحقیق در حجم آب ورودي به مخزن سد علویان چندان پرداخته نشده است. در تحقیق حاضر از برنامه ریزي ژنتیک براي پیش بینی مقدار تبخیر- تعرق پتانسیل شهر تبریز معادله فائو- پنمن-مونتیث استفاده به عمل آمد.
مواد و روش ها
معادله فائو- پنمن- مونتیث
معادله کلی بصورت: (علیزاده، (1383
که در آن :
معادله فوق پس از ساده سازي بصورت :
در این تحقیق از آمار هواشناسی موجود در ایستگاه هواشناسی تبریز استفاده به عمل آمد.
برنامه ریزي ژنتیک
زمینه اصلی برنامه ریزي ژنتیک (کوزا، (1992 روش الگوریتم ژنتیک (گلد برگ، (1989 می باشد. در تحقیـق حاضـر از برنامه GeneXproTools (فریرا، (2001 براي توسعه و اجراي مدل هاي مبتنی بر برنامه ریزي ژنتیک استفاده بـه عمـل آمد. برنامه یاد شده بر اساس برنامه ریزي صریح ژنتیـک (GEP) اسـتوار اسـت. GEP ویـرایش جدیـدي از برنامـه ریـزي ژنتیک می باشد که به استنتاج برنامه هاي رایانه اي با اندازه ها و شکل هاي مختلف می پردازد.
استخراج مدل هاي دبی بر اساس برنامه ریزي ژنتیک
فرآیند مدل سازي میزان تبخیر تعرق پتانسیل با استفاده از رهیافت برنامه ریزي ژنتیک به صورت زیر می باشد:
گام اول، شامل انتخاب تابع برازش مناسب می باشد. در مطالعه حاضر، تابع RMSE (جذر میانگین مربعات خطا) به عنوان تابع برازش انتخاب گردید. گام دوم، انتخاب مجموعـه ترمینـال (متغیـر هـاي ورودي) و مجموعـه توابـع بـه منظـور تولیـد کروموزوم ها می باشد. در مسأله حاضر، مجموعه ترمینال متشـکل از مقـادیرتبخیر- تعـرق پتانسـیل مـی باشـد. انتخـاب مجموعه توابع نیز گرچه یک امر صریح و ساده نمی باشد، لیکن یک حدس اولیه در اینگونه موارد کافی خواهد بود. در مورد مدل سازي تبخیر - تعرق پتانسیل در مطالعه حاضر، ترکیبی از کلیـه عملگرهـا نظیـر جهـش، برگشـت، سـه نـوع مختلـف ترانهش و سه نوع عملگر ترکیب مجدد مورد استفاده قرار گرفت.
شاخص هاي تعیین دقت مدل
شاخص هاي آماري ضریب رگرسیون و جذر میانگین مربعات خطا به منظور بررسی و ارزیابی دقت مدل ها مورد استفاده واقع شدند. شاخص هاي یاد شده به ترتیب با استفاده از روابط زیر قابل محاسبه می باشند:
در روابط اخیر، به ترتیب مقادیر دبی مشاهداتی و تخمینی در گام زمانی tام بوده و میانگین مقادیر مشاهداتی و تخمینی دبی می باشد. n نیز نشانگر تعداد داده هاست.
