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، و ذلك باستخدام الشبكات العصبية الصنعيَّة اعتماداً على درجة الحرارة فقط. و إجراء دراسة مقارنة بين نتائج أنموذج الشبكة و نتائج نماذج أخرى معروفة. بُني الأنموذج الرياضي باستخدام NN-tool box إحدى أدوات MATLAB حيث شكلت شبكة عصبية صنعيَّة متعددة الطبقات لخوارزمية الانتشار العكسي للخطأ، و حُددت خوارزمية التعلم الملائمة، و عدد الطبقات الخفية المستخدمة، بالإضافةً إلى عدد العصبونات و نوع دوال التفعيل المستخدمة في كل طبقة.
و قد أظهرت النتائج أن الشبكة العصبية الصنعيَّة ذات الهيكلية (1-9-1) تعطي أقل قيمة لمربع متوسط الخطأ لمجموعة التحقق و يساوي 0.0032، مع استخدام دالتي التفعيل Logsigmoid و Linear على الترتيب في الطبقة الخفية و طبقة الإخراج.
كما طُوِّر أنموذج المحاكاة للنتائج المستحصلة من الشبكة العصبية الصنعيَّة المقترحة مع نماذج أخرى مثل معادلة إيفانوف و ذلك 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.
Artificial intelligence review:
Research summary
تتناول هذه الدراسة بناء نموذج رياضي باستخدام الشبكات العصبية الصنعية لتقدير التبخر الشهري في المنطقة السهلية من الساحل السوري، اعتماداً على درجة الحرارة الشهرية فقط. تم استخدام NN-tool box من MATLAB لبناء شبكة عصبية صنعية متعددة الطبقات بخوارزمية الانتشار العكسي للخطأ. أظهرت النتائج أن الشبكة العصبية ذات الهيكلية (1-9-1) تعطي أقل قيمة لمربع متوسط الخطأ لمجموعة التحقق، مما يشير إلى دقة النموذج في تقدير التبخر مقارنةً بنماذج أخرى مثل معادلة إيغانوف. تم استخدام تقانة Simulink لمقارنة نتائج النموذج مع نماذج أخرى، وأظهرت النتائج أن النموذج المقترح يعطي نتائج أكثر دقة في تقدير التبخر الشهري.
Critical review
دراسة نقدية: على الرغم من أن الدراسة تقدم نموذجاً مبتكراً ودقيقاً لتقدير التبخر الشهري باستخدام الشبكات العصبية الصنعية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، الاعتماد على درجة الحرارة فقط كمدخل للنموذج قد يكون محدوداً، حيث أن التبخر يتأثر بعوامل مناخية أخرى مثل الرطوبة وسرعة الرياح. ثانياً، لم يتم التطرق إلى كيفية التعامل مع البيانات المفقودة أو غير المكتملة، وهي مشكلة شائعة في البيانات المناخية. ثالثاً، يمكن تحسين الدراسة بإجراء تجارب إضافية لاختبار النموذج في مناطق مناخية مختلفة لضمان عموميته وفعاليته. وأخيراً، كان من الممكن تقديم تحليل أعمق للنتائج ومقارنتها مع نماذج أخرى بشكل أكثر تفصيلاً.
Questions related to the research
-
ما هو الهدف الرئيسي من الدراسة؟
الهدف الرئيسي هو بناء نموذج رياضي لتقدير التبخر الشهري في المنطقة السهلية من الساحل السوري باستخدام الشبكات العصبية الصنعية اعتماداً على درجة الحرارة فقط.
-
ما هي الأدوات البرمجية المستخدمة في بناء النموذج؟
تم استخدام NN-tool box وSimulink من MATLAB لبناء النموذج وإجراء المحاكاة.
-
ما هي الهيكلية الأفضل للشبكة العصبية الصنعية وفقاً للدراسة؟
الهيكلية الأفضل هي (1-9-1) حيث تعطي أقل قيمة لمربع متوسط الخطأ لمجموعة التحقق.
-
كيف تقارن نتائج النموذج المقترح مع معادلة إيغانوف؟
أظهرت النتائج أن النموذج المقترح يعطي نتائج أكثر دقة في تقدير التبخر الشهري مقارنةً بمعادلة إيغانوف.
References used
SUDHEER, M.E. et, al. Estimating actual evapotranspiration from limited climatic data using neural computing technique. J. Irri. Drain. Engg. ASCE. 129(3), 2003, 214-218
KESKIN, K.P. TERZI, O. Artificial Neural Network Models of Daily Pan Evaporation. J. Hydrologic Engrg. 11(1), 2006, 65-70
MOGHADDAMNIA, A. et, al. Evaporation estimation using artificial neural networks and adaptive neuro-fuzzy inference system techniques. Science Direct U. S. A.Vol.32, 2009, 88-97
The evaporation is one of the basic components of the hydrologic cycle and it is
essential for studies such as water balance, irrigation system design and water resource
management, and it requires knowledge of many climatic variables. Although, th
This study includes the possibility of using Artificial neural
networks (ANNs) with back-propagation algorithm in a short-term
prediction of water level in Qattinah Lake. The data used are the
water level data in the lake and rainfall data for the period from
1/5/2007 to 28/2/2005. 2009).
This study is aiming at building a mathematical model to estimate evaporation from Mountainous region in Syrian Coast, using an artificial neural network, based on four metrological parameters (i.e. temperature, relative humidity, wind speed and sun
Accurate estimating and predicting of hydrological phenomena plays an influential role in the development and management of water resources, preparing of future plans according to different scenarios of climate changes. Evapotranspiration is one of t
The study and design of water-intakes on springs is based on the analysis of time series of
historical measurements to achieve prediction of incoming water volumes or future
expected.
The research aims to model the monthly water flows of AL-SIN Sp