کاربردتئوری آنتروپی شانون در پیش بینی تبخیر و تعرق پتانسیل (مطالعه موردی: ایستگاه سینوپتیک ارومیه)

محورهای موضوعی : علوم آب

علیرضا پرویشی ^{1 *}

1 - گروه مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی واحد ارومیه

تاریخ پذیرش : 1402/07/14 تاریخ انتشار : 1402/04/01

کلید واژه:

چکیده مقاله :

تبخیر و تعرق از مهمترین اجزای چرخه هیدرولوژی بوده و برآورد دقیق آن در مطالعات زیادی مانند بیلان آب، مدیریت منابع آب و برنامه‎ریزی آبیاری کاربرد دارد. استفاده از مدل‎های هوشمند می‎تواند ابزارهای مناسبی برای تخمین متغیرهای غیرخطی همچون تبخیر و تعرق باشد. مطالعه حاضر از روش‎های برنامه‎ریزی بیان ژن GEP و سیستم استنتاج عصبی فازی- تطبیقی ANFIS برای پیش بینی تبخیر و تعرق مرجع ماهانه استفاده گردید. بدین منظور دو حالت مختلف مدل‎سازی توسعه داده شد. حالت اول الگوهای اقلیم پایه و حالت دوم نقش حافظه در پیش‎بینی تبخیر و تعرق مرجع ماهانه، از روش آنتروپی شانون برای انتخاب بهینه‎ترین ورودی‎ها استفاده شد. مطابق نتایج مدل GEP در الگوی CBM8با مقادیر 91/0KGE=، 87/0WI= و 495/0 RMSE=بهترین عملکرد را در پیش‎بینی تبخیر و تعرق مرجع ماهانه ایستگاه سینوپتیک داشت. نتایج حاصل از اجرای مدل‎ها با الگوهای تاخیر پایه نیز روش آنتوپی شانون توانست تاخیر بهینه را به درستی شناسایی نماید.

چکیده انگلیسی:

Evapotranspiration is one of the most important components of the hydrological cycle and its accurate estimation is used in many studies such as water balance, water resources management and irrigation planning. The use of intelligent models can be a good tool for estimating nonlinear variables such as evaporation and transpiration. The present study used GEP gene expression programming methods and ANFIS fuzzy-adaptive neural inference system to predict monthly reference evapotranspiration. For this purpose, two different modeling modes were developed. The first case of baseline climate patterns and the second case of memory role in predicting monthly reference evapotranspiration, Shannon entropy method was used to select the most optimal inputs. According to the results of GEP model in Ent-CBM8 model with KGE = 0.91, WI = 0.87 and RMSE = 0.495 had the best performance in predicting the monthly reference evapotranspiration of the synoptic station. The results of the implementation of models with basic delay patterns and Shannon's entopy method were able to correctly identify the optimal delay.