TY - JOUR ID - TI - Using the Artificial Neural Networks with different algorithms to estimate the daily evaporation in Mosul city by using climate Information استخدام الشبكات العصبية الاصطناعية بخوارزميات مختلفة لتقدير التبخر اليومي لمدينة الموصل بدلالة بعض المعلومات المناخية AU - سوزان خالد ابراهيم PY - 2014 VL - IS - 45 SP - 171 EP - 191/ عدد 45 JO - Journal of Prospective Researches مجلة بحوث مستقبلية SN - 16809300 27902129 AB - AbstractIn this research a model of Neural Networks was applied to estimate the daily Evaporation of Mosul city using certain climate parameters (the maximum and the minimum temperature, rain, relative humidity, wind speed and the sun shine) for any day in the year using the Feed Forward Back Propagation (FFBPNN), Cascade-Forward Back Propagation (CFBPNN) and the FitNet network. Each of these networks has two architectures: architecture with four layers and five cells in the hidden layers from one hand, and architecture with five layers and five cells in the hidden layers from the other.Different algorithms were used for the training: Levenberg-Marquardt algorithm (LM), Quasi-Newton algorithm (BFGS), Conjugate Gradient algorithm (CFG), Gradient Descent algorithm (GD) and Gradient Descent with Momentum algorithm (GDM). Data were obtained from the forecast Directorate in AlRashedeyyah district in Nineveh Province for the period (1995-2008) are used in the research. Data of ten years for the period (1995-2004) were employed to develop the models and the data of four years were used to evaluate the models, to compare their outputs with the data measured. R2 and the RMSE methods were used to estimate the level of correspondence for the measured data and NN outputs to select the best prediction model from the models applied. Results show that the FitNet with (LM) algorithm is efficient in improving a prediction model to estimate the daily Evaporation as the value of coefficient estimation was )0.98(, and this is considered the best and the fastest algorithm if temperature, rain, relative humidity, wind speed and sunshine data available for any day in the year.

المستخلصتم في هذا البحث تطبيق أنموذج الشبكة العصبية لتقدير التبخر اليومي لمدينة الموصل بدلالة بعض المعلمات المناخية (درجة الحرارة العظمى والصغرى، والأمطار، والرطوبة النسبية، وسرعة الرياح والإشعاع الشمسي) لأي يوم من السنة باستخدام شبكة الانتشار العكسي للخطأ Feed Forward Back Propagation (FFBPNN)، وشبكةCascade Forward Back Propagation (CFBPNN)، وشبكة الملائمةFitNet Neural Network ولكل شبكة معماريتين: معمارية بـ(4) طبقات و(5) خلايا في الطبقات الخفية، ومعمارية بـ(5) طبقات و(5) خلايا في الطبقات الخفية. تم استخدام خوارزميات مختلفة للتدريب خوارزمية ليفن بيرك ماركودت (LM)، وخوارزمية نيوتن (BFGS)، وخوارزمية الميل الصرفية (CFG)، وخوارزمية الانحدار التدريجي (GD) وخوارزمية الانحدار التدريجي المعجل (GDM). استخدمت البيانات المأخوذة من محطة الأنواء الجوية في منطقة الرشيدية في محافظة نينوى للفترة من (1995-2008) إذ استخدمت بيانات (10) أعوام وللفترة من (1995-2004) لتطوير النماذج وبيانات أربعة أعوام وللفترة من (2005-2008) لتقييم النماذج ومقارنة مخرجاتها مع البيانات المقاسة. استخدمت مقاييس معامل التحديد R2 وجذر متوسط مربع الأخطاء RMSE في الحكم على مدى تطابق البيانات المقاسة ومخرجات الشبكات العصبية لاختيار أفضل نموذج تنبؤي من بين النماذج المطبقة، بينت النتائج إن شبكة الملائمة FitNet وبخوارزمية (LM) ذات كفاءة في تحسين نموذج تنبؤي لتقدير التبخر اليومي إذ وصلت قيمة معامل التحديد إلى (0,98)، وهي أفضل وأسرع خوارزمية عند توفر درجات حرارة الأمطار، الرطوبة النسبية، سرعة الرياح والإشعاع الشمسي لأي يوم من أيام السنة. ER -