Using Of Learning Vector Quantization Network for Pan Evaporation Estimation

Abstract

اقترح البحث أسلوب جديد لدراسة فعالية التبخر التي تعتبر واحده من المركبات المهمة التي تشكل الدورة الهيدرولوجية للمياه في الطبيعة، إذ تضمن تخمين عمق التبخر الإنائي بالاعتمادِ على أربعة عوامل مناخية وهي درجة الحرارة، الرطوبة النسبية، السطوع الشمسي، وسرعة الرياح.
تم تبني شبكة عصبية اصطناعية (unsupervised) ومن النوع Linear Vector Quantitization (LVQ) والتي لا تحتاج إلى إشراف مباشر خاصة في المراحل الأولية من تهيئة الشبكة للعمل كما هو الحال في نظيراتها من الشبكات التقليدية والتي شاع استخدامها مؤخراً. لقد أُعتمد أسلوب منهجي مبسط لغرض احتساب مخرجات الشبكة وذلك لمحاولة ردم الهوة الحاصلة بين تردد المستخدم في الاستفادة من الإمكانات العالية لهذه الشبكات والتعقيد النسبي في آلية الاحتساب التي عادة ما تترافق مع هذا النوع من الشبكات العصبية الاصطناعية.
بينت النتائج إمكانية تخمين عمق التبخر الإنائي وذلك بالاستفادة من هذه التقنية غير التقليدية في النمذجة خاصة عندما يتعلق الأمر بموضوعة الشبكات العصبية والتي عادة ما تحتاج إلى إشراف متواصل طوال فترة تدريبها، فقد أوضحت نتائج البحث توافقاً خطيا جيدا بين مخرجات الشبكة المقترحة والقيم المرصودة لعمق التبخر الإنائي وبمعامل ارتباط قدره (0.986).