التنبّؤ بالتبخّر نتح المرجعي الشهري في محطّة حمص باستخدام الشبكات العصبيّة الاصطناعيّة ونظام الاستدلال الضبابي

تُعتبر القدرة على التقدير والتنبّؤ الدقيق بالظواهر الهيدرولوجيّة من العوامل الأساسيّة في تنمية وإدارة الموارد المائيّة، ووضع الخطط المائيّة المستقبليّة وفق سيناريوهات التغيّرات المناخيّة المختلفة، ويعد التبخّر نتح أحد أهم العوامل في الدورة الهيدرولوجيّة ومن أكثرها تعقيداً، كما أنّ القدرة على التنبّؤ الدقيق بقيم هذه الظاهرة هي من العوامل المهمّة في العديد من تطبيقات الموارد المائيّة. لذلك تهدف هذه الدراسة إلى التنبّؤ بقيم التبخر نتح المرجعي الشهري (ET0) في محطّة حمص المناخيّة، في المنطقة الوسطى من الجمهوريّة العربيّة السوريّة، باستخدام الشبكات العصبيّة الاصطناعيّة (ANNs) ونظام الاستدلال الضبابي (FIS)، بالاعتماد على البيانات المناخيّة المتاحة، والمقارنة بين نتائج هذه النماذج. تضمّنت البيانات المستخدمة 347 قيمة شهريّة لدرجة حرارة الهواء (T)، الرطوبة النسبيّة(RH) ، سرعة الرياح(WS) وعدد ساعات السطوع الشمسي(SS) (من تشرين الأول 1975 وحتى كانون الأول 2004)، في حين حُسبت قيم التبخّر نتح المرجعي الشهري باستخدام طريقة بنمان مونتيث، والتي هي الطريقة المرجعيّة المعتمدة من قبل المنظمة الدوليّة للزراعة والأغذية التابعة للأمم المتحدة (FAO)، واستُخدمت هذه القيم كمخرجات للنماذج. أظهرت نتائج الدراسة أنّ نماذج الشبكات العصبيّة الاصطناعيّة ذات التغذية الأماميّة والانتشار العكسي للخطأ تمكّنت من التنبّؤ بقيم التبخّر نتح المرجعي الشهري بنجاح، حيث أعطت النماذج قيماً منخفضة لجذر متوسّط مربّعات الأخطاء (RMSE) ومرتفعة لمعاملات الارتباط(R) ، وكذلك تبيّن أنّ استخدام ترتيب الشهر كمُدخل إضافي يُحسّن من دقّة التنبّؤ للشبكات العصبيّة الاصطناعيّة. أظهرت النتائج أيضاً القدرة الجيّدة لنماذج الاستدلال الضبابي على التنبّؤ بقيم التبخّر نتح المرجعي الشهري، حيث تبيّن أن عدد ساعات السطوع الشمسي هي أكثر العوامل المناخيّة المنفردة تأثيراً في عمليّة التنبّؤ، حيث بلغ معامل الارتباط 97.71% وجذر متوسّط مربّعات الأخطاء 18.08 mm/month خلال مرحلة الاختبار للنموذج، في حين كان عدد ساعات السطوع الشمسي وسرعة الرياح أكثر عاملين مؤثرين سويةً على عمليّة التنبّؤ بمعامل ارتباط 98.55% وجذر متوسّط مربّعات أخطاء 12.49 mm/month خلال مرحلة الاختبار للنموذج. أظهر هذا البحث الموثوقيّة العالية لاستخدام الشبكات العصبيّة الاصطناعيّة ونظام الاستدلال الضبابي في التنبّؤ بقيم التبخر نتح المرجعي الشهري، مع وجود أفضليّة بسيطة للشبكات العصبيّة الاصطناعيّة، والتي يمكن أن تضيف ترتيب الشهر إلى طبقة المدخلات الأمر الذي يزيد من دقّة التنبّؤات. توصي هذه الدراسة بالتوسّع في استخدام تقنيّات الذكاء الاصطناعي في نمذجة الظواهر المعقّدة واللاخطيّة المتعلقة بالموارد المائيّة.

نموذج شبكة عصبية صنعيَّة للتنبؤ بالتبخر الشهري في منطقة حماه

التبخر هو أحد العناصر الأساسية للدورة الهيدرولوجية و ضروري للعديد من الدراسات مثل الموازنة المائية, تصميم أنظمة الري و إدارة الموارد المائية, و يتطلب تقديره معرفة العديد من العناصر المناخية. على الرغم من أن هناك صيغاً تجريبيَّةً متوفرةً لتقدير التبخر, و لكن أداء هذه الصيغ غير دقيق بسبب الطبيعة المعقدة لعملية التبخر. لذلك فإن هذا البحث يهدف لوضع نموذج شبكة عصبية صنعيَّة للتنبؤ بالتبخر الشهري في منطقة حماه باستخدام ثلاثة عناصر مناخية هي درجة الحرارة, الرطوبة النسبية و سرعة الرياح. من أجل ذلك فقد بُني النموذج باستخدام مكتبة nntool-box إحدى أدوات الـ MATLAB. استُخدمت الشبكة العصبية الصنعيَّة ذات التغذية الأمامية و الانتشار العكسي للخطأ بطبقة خفية واحدة لبناء النموذج. و تم تقييم شبكات مختلفة بعدد مختلف من العصبونات و بتغيير دوال التفعيل المستخدمة في كل طبقة. و استُخدم جذر متوسط مربع الخطأ (RMSE) لتقييم دقة النموذج المُقترح. و قد بينت الدراسة أن الشبكة العصبية الصنعيَّة ذات الهيكلية (3-14-1) هي الأفضل للتنبؤ بالتبخر في منطقة حماه حيث كانت قيمة RMSE تساوي (21.5mm/month) و قيمة R2 مساوية (0.97). توصي الدراسة باستخدام أنواع أخرى من الشبكات العصبية لتقدير التبخر.

التنبّؤ بالتبخّر الإنائي الشّهري في محطّة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة

يعتبر التبخّر مكوّناُ أساسيّاً في الدورة الهيدرولوجيّة، و هو يلعب دوراً مؤثّراً في تطوير و إدارة الموارد المائيّة. تهدف هذه الدراسة إلى التنبّؤ بالتبخّر الإنائي الشهري في محطة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة. و قد اعتمدت الدراسة من أجل ذلك على القيم الشهريّة لدرجة حرارة الهواء و الرطوبة النسبيّة فقط كمدخلات، واعتمدت التبخّر الإنائي الشهري كمُخرج للشبكة. استُخدمت خوارزميّة الانتشار العكسي في عمليّة تدريب و تحقيق الشبكة مع تغيير طرائق التدريب و عدد الطبقات الخفيّة و عدد العصبونات في كل طبقة منها، و قد أظهرت النتائج القدرة الجيّدة للشبكة العصبيّة الاصطناعيّة ذات الهيكليّة 2-10-1 على التنبؤ بقيم التبخر الإنائي الشهري بمعامل ارتباط كلّي R) 96.786%) و بجذر متوسّط مربّعات الأخطاء RMSE) 24.52 mm/month) لمجموعة البيانات الكاملة، و قد أوصت الدراسة باستخدام تقنية الشبكات العصبية الاصطناعية لتحديد العناصر الأكثر تأثيراً على التبخر.

تأثير إضافة معامل الزمن على أداء الشبكة العصبية الاصطناعية في تقدير التّبخر اليومي في المنطقة الجبلية من الساحل السوري

تهدف هذه الدراسة إلى بناء أنموذج رياضي لتقدير التبخر من المنطقة الجبلية من الساحل السوري، باستخدام الشبكة العصبية الصنعيَّة و ذلك اعتماداً على أربعة بارمترات جوية، و هي درجة الحرارة، الرطوبة النسبية، سرعة الرياح و السطوع الشمسي، و من ثم دراسة تأثير إضافة معامل الزمن على تقدير التبخر. بني الأنموذج الرياضي باستخدام Neural Fitting Tool إحدى أدوات الماتلاب، و قد اعتمد على البيانات اليومية للبارامترات المذكورة في منطقة الدراسة بالإضافة إلى معامل الزمن، كما استُخدِمت بيانات التبخر اليومي المقيسة بوساطة حوض التبخر الأميركي صنف A كمخرجات مأمولة لغرض التحقق من صحة أداء الشبكة. و تظهر النتائج تفوق الشبكة المضاف لها معامل الزمن حيث بلغ معامل الارتباط فيها لمجموعة التحقق 0.8919 و متوسط مربع الخطأ 0.02166 بينما كانت قيمة معامل الارتباط للشبكة المستخدمة للتنبؤ بقيمة التبخر اعتماداً على المعطيات المناخية بدون إدخال معامل الزمن 0.8324 و متوسط مربع الخطأ 0.0327.

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

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.

دراسة تحليلية و تجريبية للخصائص الضوئية و البنيوية للأغشية الرقيقة CdTe المرسبة بالتبخير الحراري

رسبتْ أغشية رقيقة من الكادميوم تيلورايد (CdTe) على ركازات من الزجـاج بثخانـات مختلفـة بطريقة التبخير الفيزيائي الحراري (evaporation thermal). الثخانات الهندسـية للأغـشية جـرى حسابها من طيف الانعكاس للأغشية، و درست الخواص البنيوية و التوجه البلوري لهذه الأغشية بتحليـل انعراج الأشعة السينية (XRD) و حددت وسطاء البنية مثل ثابت الشبيكة البلورية (a) و كثافة الانخلاعات (δ) و عامل الإجهاد (ε), و أبعاد الحبيبات (D), و لوحظ ازدياد الأبعاد الحبيبيـة و نقـصان فـي الإجهـاد المكروي و كثافة الإنخلاعات بازدياد ثخانة الغشاء المرسب. و تبين أن الأغشية ذات بنية مكعبة مركزيـة الوجوه، و حدد التوجه البلوري المفضل للغشاء و الحبيبات المتشكلة عليه فكـان الوجـه (111) موازيـاً لسطح الركازة. كما استخدمنا مقياس الطيف في الدراسة الضوئية، و لاحظنا تزايداً في عامل الامتـصاص بزيادة ثخانة الغشاء و تناقصاً في عرض فجوة الطاقة بازدياد الثخانة.

الخواص الضوئية و البنيوية لأغشية الكادميوم تيلورايد (CdTe) المرسبة بالتبخير الحراري

قمنا بترسيب أغشية رقيقة من الكادميوم تيلورايد (CdTe) على ركازات من الـسليكون بثخانـات مختلفة بطريقة التبخير الفيزيائي الحراري (evaporation thermal) . الثخانات الهندسـية للأغـشية جرى حسابها من طيف الانعكاس للأغشية، و درست الخواص البنيوية و التوجه البلوري لهـذه الأغـشية بتحليل انعراج الأشعة السينية (XRD) و حددت وسطاء البنية مثل ثابت الشبيكة البلوريـة (a) و كثافـة الانخلاعات (δ) و عامل الإجهاد (ε) ، و أبعاد الحبيبات (D) ، و لوحظ ازدياد الأبعاد الحبيبية و نقـصان فـي الإجهاد المكروي و كثافة الانخلاعات بازدياد ثخانة الغشاء المرسـب. كمـا اسـتخدمت تقنيـة انعـراج الالكترونات عالية الطاقة المنعكسة (RHEED) في الدراسة البنيوية و تبين أن الأغشية ذات بنية مكعبة مركزية الوجوه، و حدد التوجه البلوري المفضل للغشاء و الحبيبات المتشكلة عليه فكـان الوجـه (111) موازياً لسطح الركازة، كما حددت نسبة الكادميوم و التيلورايد في الأغشية المرسـبة باسـتخدام تقنيـة الـ(EDX) و وجد أن النسبة المئوية الذرية للكادميوم قد ازدادت فـي حـين النـسبة المئويـة الذريـة للتيلورايد قد نقصت، و ذلك بسبب إعادة تبخر ذرات التيلورايد المترسبة.

تقدير الانفضاج التبخري لواحة تدمر بطريقة موازنة الطاقة «دراسة تحليلية و تجريبية»

أجريت حسابات مستمرة للانفضاج التبخري (ET أو LE) باسـتخدام طريقـة Covariance Eddy و طريقة موازنة الطاقة خلال أكثر من سنة فوق غطاء نباتي غير متجانس في نظام بيئي يمثل واحة جافة في وسط صحراء سورية. إن طريقة الري السائدة هي الغمر التقليدي، و بتـواتر لتوزيـع الميـاه كـل 28 يوماً. ركز العمل على دراسة التغيرات الفصلية لموازنة الطاقة خلال سنتين، مع تركيز خـاص علـى تأثيرات الهطول المطري، و سرعة الرياح، و الموازنة الإشعاعية على الانفضاج التبخري. كان الانفـضاج. لقد ظهر التأثير المهم لأمطار الشتاء في LE حتى في أثناء تطبيق 1 - التبخري الأعظمي فقط day.mm 5 الري. بينت مقارنة حالتين مختلفتين في حزيران 2002 و حزيران 2003 وجود زيادة بمقدار %13 في قيم G-Rn/ LE .لقد وجدت القيم الأعظمية للمتوسطات الساعية للانفضاج التبخري عند سرعة رياح قرابـة . يشير هذا إلى أنه عندما يتجاوز المتطلب التبخري للهواء (أو عجز ضغط بخار الماء vpd (حداً 1-s.3m معيناً يغلق النبات مساماته بهدف تقليل معدل فقد الماء بالنتج. أظهرت نتائج التحقق من موازنة الطاقـة وجود فروقات معنوية في ميل علاقة LE+H مقابل G-Rn بين الشهر الحار و الشهر البارد، و يعزى ذلك إلى الموازنة الإشعاعية الخاصة بالمناطق الصحراوية.