تقدير التّبخر اليومي من بحيرة سد 16 تشرين باستخدام الشّبكات العصبيّة الصنعيّة
الملخص
إن التقدير الدقيق لفواقد التّبخر يلعب دوراً هاماً في العديد من تطبيقات الموارد المائيّة كإدارة الأنظمة الهيدرولوجية والهيدروليكية والزراعية. وعلى الرغم من وجود صيغ تجريبية متاحة لتقدير التّبخر إلا أن أداءها ليس مرضياً بسبب الطبيعة المعقدة لعملية التّبخر، وعلاقته غير الخطية مع غيره من عناصر الدورة الهيدرولوجية. لهذا الغرض، تم تطوير نموذج لشبكة عصبية صنعيّة (ANN) لتقدير التّبخر اليومي من بحيرة سد 16 تشرين في مدينة اللاذقية. استخدمت الشّبكة العصبيّة الصنعيّة أمامية التغذية ذات الانتشار العكسي للخطأ مع طبقة خفية واحدة لإنشاء النموذج. تم تقييم شبكات مختلفة مع عدد مختلف من الخلايا العصبيّة. استخدمت البيانات اليومية المتوافرة لدرجة الحرارة الوسطية، الرّطوبة النسبيّة الوسطية، سرعة الرّياح الوسطية، ساعات السطوع الشّمسي والتّبخر لتدريب واختبار النماذج المقدمة. كما استخدم معامل الارتباط (R) وجذر متوسط مربّع الخطأ (RMSE) لتقييم دقة النموذج المقترح.
أظهرت الدراسة أن أفضل نموذج لتقدير التّبخر هو (1-13-4) ANN مع معامل ارتباط (R=90.5%) من أجل مجموعة التحقق وجذر متوسط مربّع الخطأ (RMSE=0.877mm) للمجموعة ذاتها. تشير نتائج هذه الدراسة إلى الكفاءة الكبيرة للشّبكة العصبيّة الصنعيّة في تقدير فواقد التّبخر من منطقة الدراسة.
Accurate estimation of potential evaporation, has a great significance in many water resources applications such as management of hydrologic, hydraulic and agricultural systems. Although there are empirical formulas available for Evaporation estimation, but their performances are not all satisfactory due to the complex nature of the evaporation process and nonlinear relationship with other hydrological cycle elements. For this purpose, artificial neural network (ANN) model was developed to estimate daily potential evaporation in 16 Tishreen Dam Reservoir located in Lattakia. The feed forward back propagation network with one hidden layer has been used to construct the mode. Different networks with different number of neurons were evaluated. Daily observations of average temperature, average relative humidity, average wind speed, sunshine hours and evaporation have been used to train and test the developed models. Correlation coefficient (R) and Root mean square error (RMSE) were employed to evaluate the accuracy of the proposed model.
The study showed the best model for evaporation estimation is ANN (4-13-1) with correlation coefficient (R) of 90.5% and the root-mean-square error value (RMSE) of 0.877mm/day for validation dataset. The findings of this study suggest the usefulness of ANN technique in estimating the evaporation losses from the study area.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2020 مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية

هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
-
يحتفظ المؤلفون بحقوق النشر ويمنحون حق النشر في المجلة لأول مرة مع نقل الحقوق التجارية إلى مجلة جامعة تشرين للبحوث والدراسات العلمية-سلسلة العلوم الهندسية بموجب الترخيص CC BY-NC-SA 04 الذي يسمح للأخرين بمشاركة العمل مع الإقرار بتأليف العمل والنشر الأولي في هذه المجلة. يمكن للمؤلفين أن يستخدموا نسخة من مقالاتهم في نشاطهم العملي وعلى مواقع علمية خاصة بهم على أن يتم الإشارة إلى مكان النشر مجلة جامعة تشرين للبحوث والدراسات العلمية-سلسلة العلوم الهندسية ويمتلك القراء الحق بنسخ ونقل من المقالات والمزج والإضافة إلى اعمالهم العلمية والاستشهاد مع ذكر مجلة جامعة تشرين للبحوث والدراسات العلمية-سلسلة العلوم الهندسية الناشر .
- المجلة تستخدم ترخيص CC BY-NC-SA مما يعني
- الإسناد - يجب عليك منح الائتمان المناسب ، وتقديم ارتباط إلى الترخيص ، وبيان ما إذا تم إجراء تغييرات.
- يمكنك القيام بذلك بأي طريقة معقولة ، ولكن ليس بأي طريقة توحي بأن المرخص يؤيدك أو يؤيد استخدامك.
- غير تجاري - لا يجوز لك استخدام المواد لأغراض تجارية -
- . ShareAlike إذا قمت بإعادة مزج المواد أو تحويلها أو البناء عليها ، فيجب عليك توزيع مساهماتك بموجب نفس الترخيص مثل الأصل. لا قيود إضافية - لا يجوز لك تطبيق الشروط القانونية أو التدابير التكنولوجية التي تقيد الآخرين قانونًا من فعل أي شيء يسمح به الترخيص
- .