Daily Pan Evaporation Modelling With ANFIS and NNARX

Document Type: Full Article

Authors

1 Department of Water Engineering, soil and water college, University of Zabol, I.R. Iran

2 Department of Water Engineering, Ferdowsi University of Mashhad, I.R. Iran

Abstract

Evaporation, as a major component of the hydrologic cycle, plays a key role in water resources development and management in arid and semi-arid climatic regions. Although there are empirical formulas available, their performances are not all satisfactory due to the complicated nature of the evaporation process and the data availability. This paper explores evaporation estimation methods based on nonlinear dynamic neural network model (NNARX ) and adaptive neuro-fuzzy inference system (ANFIS) techniques. It has been found that NNARX and ANFIS techniques have much better performances than the empirical formulas (for the test data set, NNARX R2 = 0.95, ANFIS R2 = 0.94, Meyer R2 = 0.81 and Marciano R2 = 0.68). ANFIS and NNARX models are slightly better albeit the small difference. Although NNARX and ANFIS techniques seem to be powerful, their data input selection process is quite complicated. More studies are needed to gain wider experience about this data selection tool and how it could be used in assessing the validation data.

Keywords


Article Title [Persian]

مدل سازی تبخیر روزانه تشتک با استفاده از ANFIS و NN_ARX

Authors [Persian]

  • جمشید پیری 1
  • حسین انصاری 2
1 گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل، جمهوری اسلامی ایران
2 گروه مهندسی آب، دانشگاه فردوسی مشهد، جمهوری اسلامی ایران
Abstract [Persian]

تغییر و تحول کمی و کیفی منابع آب تحت تأثیر فعالیت‌های مختلف در هر حوزه هیدرولوژیکی رخ می‌دهد که با توجه به محدودیت منابع آب، جلوگیری از آن بسیار مهم و حیاتی می‌باشد. در زمینه تبخیر، مدل‌های زیادی ارائه شده است که بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که ‌یا دسترسی به آن‏ها مشکل است و ‌یا اندازه‌گیری آن‏ها محتاج صرف هزینه و زمان زیادی می‌باشد. در بحث شناسائی سیستم، مدل‏های آماری قوی برای مدلسازی فرآیندهای اتفاقی و سری‏های زمانی وجود دارد. به طور کلی مدل‏های دینامیک در بررسی‏های کوتاه مدت، دقیق‏تر از مدل‌های استاتیک پاسخ می‏دهد. در این تحقیق ما از دو مدل ANFIS و NN-ARX (ترکیبی از مدل ARX با ساختار شبکه عصبی) جهت پیش‌بینی تبخیر استفاده شده است. پس از اجرای برنامه مـــــذکور نتایج تحلیل آماری که روش‏های NNARX و ANFIS عملکرد بسیار بهتر از فرمول‏های تجربی (برای تست مجموعه‏ای از داده‏ها، NNARX 0.95=R2، ANFIS 0.94=  R2، مایر0.81 = R2  و Marciano R2=0.68). مدل ANFIS و NNARX کمی بهتر است. مدل‏های NNARX و ANFIS به نظر می‏رسد عملکرد بهتری نسبت به معادلات تجربی دارند. برای به دست آوردن تجربه گسترده‏تر در مورد این ابزار انتخاب داده و اینکه چگونه می‏توان آن را در ارزیابی اعتبار سنجی داده‏ها استفاده کرد مطالعات بیشتری مورد نیاز است.

Keywords [Persian]

  • تبخیر
  • فرمول‏های تجربی
  • NNARX
  • ANFIS