أنموذج شبكة عصبية صنعية للتنبؤ بالتبخر الشهري في المنطقة السهلية من الساحل السوري اعتماداً على درجة الحرارة الشهرية

الملخص

يشكّل التبخر أحد عناصر الدورة الهيدرولوجية، الذي يصعب قياس كمياته الفعلية في الشروط الحقلية، لذلك يجري تقديره اعتماداً على الحسابات بعلاقات تجريبية تعتمد على بيانات عناصر المناخ. يهدف البحث إلى بناء أنموذج رياضي لتقدير التبخر الشهري في المنطقة السهلية من الساحل السوري، وذلك باستخدام الشبكات العصبية الصنعيَّة اعتماداً على درجة الحرارة فقط. وإجراء دراسة مقارنة بين نتائج أنموذج الشبكة ونتائج نماذج أخرى معروفة. بُني الأنموذج الرياضي باستخدام NN-tool box إحدى أدوات MATLAB حيث شكلت شبكة عصبية صنعيَّة متعددة الطبقات لخوارزمية الانتشار العكسي للخطأ، وحُددت خوارزمية التعلم الملائمة، وعدد الطبقات الخفية المستخدمة، بالإضافةً إلى عدد العصبونات ونوع دوال التفعيل المستخدمة في كل طبقة. وقد أظهرت النتائج أن الشبكة العصبية الصنعيَّة ذات الهيكلية (1-9-1) تعطي أقل قيمة لمربع متوسط الخطأ لمجموعة التحقق ويساوي 0.0032، مع استخدام دالتي التفعيل Logsigmoid وLinear على الترتيب في الطبقة الخفية وطبقة الإخراج. كما طُوِّر أنموذج المحاكاة للنتائج المستحصلة من الشبكة العصبية الصنعيَّة المقترحة مع نماذج أخرى مثل معادلة إيفانوف وذلك باستخدام تقانة (Simulink). تبين أن الشبكة العصبية الصنعيَّة المعتمدة على درجة الحرارة فقط تعطي نتائج أكثر دقة من معادلة إيفانوف في تقدير التبخر. Evaporation forms one of the hydrology cycle elements that it's hard to measure its actual amounts in the field conditions, so it’s estimated by calculations of experimental relations, which depend on climatic elements data. So the research goal is to build a mathematical model to estimate monthly evaporation amount in plain area of Syrian Coast, using Artificial Neural Network (ANN), and depending on dry air temperature, and produce comparison study between the results of network and other models. The mathematical model was built by the (NN-tool box), which is one of the v tools. A multilayer ANN architecture of error Back-propagation algorithm was built. The suitable training algorithms, number of hidden layers, number of neurons in each hidden layer, were determined. The results showed that the ANN (1-9-1) was the best model with MSE of 0.0032 for validation group, using Transfer Function Logsigmoid and Linear in hidden and output layers, respectively. A comparison model for the results obtained from the proposed ANN with EVANOV model by using SIMULINK technique was developed. This indicated that the ANN using temperature only gives results more accurate than EVANOV equation in determining evaporation.