Professional Documents
Culture Documents
املستخلص
يف هــذه الورقــة ،تــم تطويــر طريقــة جديــدة مبنيــة عــى تقنيــة الشــبكات العصبيــة لتقديــر البخرنتــح
املرجعــي باالعتــاد عــى متوســط درجــة احلــرارة ،ومتوســط الرطوبــة النســبية ،وكذلــك اإلشــعاع الشــميس
ملنطقــة رست .وملعرفــة مــدى دقــة هــذه الطريقــة متــت مقارنتهــا مــع طريقــة بنــان مونتيــت املعدلــة
( ،)FAO - Penman-Monteithوالتــي اســتعملت كطريقــة قياســية مقارنــة ،كــا متــت مقارنتهــا مــع بعــض الطرائــق
التجريبيــة األخــرى ،وهــي طريقــة بــاين كريــدل املعدلــة ( ،)Doorenbos and Pruitt, 1977وهارجريفــس -ســاين
( )Hargreaves and Samani, 1985التجريبيــة .حيــث تــم اســتخدام البيانــات املناخيــة املتوفــرة ملنطقــة رست
للفــرة الزمنيــة مــن 1996وحتــى .2005أظهــرت النتائــج املتحصــل عليهــا املقاربــة الدقيقــة لتقديــر الشــبكات
العصبيــة االصطناعيــة للبخــر نتــح املرجعــي مــع طريقــة بنــان مونتيــت املعدلــة .ويتضــح ذلــك مــن خــال قيــم
معايــر اختبــار أداء النــاذج ،وهــي متوســط اخلطــأ املطلــق ( ،)MAEواجلــذر الرتبيعي ملربــع اخلطــأ ( ،)RMSEومعامل
ناش-ســاتكليف ( ،)C2حيــث كانــت قيــم معايــر اختبــار أداء النــاذج جيــدة لتقديــرات الشــبكات العصبيــة مقارنــة
بالقيــم املتحصــل عليهــا مــن معادلــة هارجريفــس -ســاين ومعادلــة بــاين -كريــدل املعدلــة ،ويظهــر ذلــك جليــا مــن
خــال قيــم النســبة املئويــة النحــراف القيــم املتنبــأ هبــا عــن تلــك املقــدرة بطريقــة بنــان مونتيــت املعدلــة ،حيــث
بلغــت % 2+لتقديــر الشــبكات العصبيــة ،بينــا بلغــت % 18-ملعادلــة هارجريفس-ســاين و % 10 -ملعادلــة بــاين-
كريــدل املعدلــة ،كــا أكــدت النتائــج أن طريقــة الشــبكات العصبيــة االصطناعيــة هــي األفضــل يف تقديــر البخرنتــح
املرجعــي مقارنــة بمعادلــة هارجريفــس -ســاين ومعادلــة بــاين -كريــدل املعدلــة ملنطقــة رست.
الكلــات الدالــة :البخرنتــح املرجعــي ،الشــبكات العصبيــة االصطناعيــة ،معادلــة بالين ،كريــدل ،معادلــة هارجريفس،
سامين ،رست.
قسم التربة واملياه – كلية الزراعة– جامعة طرابلس لالتصال :أحمد إبراهيم خماج
بريد اإللكترونيkhmaj1@yahoo.com : +21826577440
ه ـ ـ ـ ـ ــاتـ ــف:
اج ـ ـ ــيزت بت ـ ـ ــاريخ2013/12/1 : استلمت بتاريخ2013/9/4 :
1
أمحد إبراهيم مخاج وآخرون
( )Reference Evapotranspirationبشــكل دقيــق البخرنتــح املرجعــي لبيئــة مناخيــة معينــة .كــا أوضــح
( )Nandagiri et al., 2006أن أداء أغلــب املعــادالت خــال مواســم النمــو يف املناطــق الزراعيــة.
إن أهــم مشــكلة تواجــه تقديــر البخرنتــح املرجعــي التجريبيــة املســتخدمة يف تقديــر البخرنتــح املرجعــي
هــي قلــة البيانــات املناخيــة خصوصــا يف املناطــق تتفــاوت مــن منطقــة مناخيــة إىل أخــرى ،ومــن ثــم
املعزولــة للبلــدان الناميــة ،وللتغلــب عــى العجــز يف فإنــه مــن املفيــد أن يتــم تقديــر البخرنتــح املرجعــي
البيانــات املناخيــة يتــم اللجــوء إىل معــادالت تقديــر يف املناطــق التــي تفتقــر إىل البيانــات املناخيــة بشــكل
البخرنتــح املرجعــي التــي تتطلــب متغرياهتــا بيانــات أكثــر دقــة ،وباســتخدام طرائــق تقديــر حتتــاج إىل أقــل
مناخيــة متوفــرة ومتاحــة .عمليــ ًا ،قــد تكــون النتائــج عــدد مــن بيانــات املتغــرات املناخيــة .ومــن أهــم تلــك
املتحصــل عليهــا لقيــم البخرنتــح املرجعــي مــن الطرائــق اجلديــدة هــي اســتخدام الشــبكات العصبيــة
اســتخدام بعــض هــذه املعــادالت التجريبيــة مقبولــة االصطناعيــة لتحديــد البخرنتــح املرجعــي باالعتــاد عىل
عندمــا ال تكــون هنــاك بيانــات مناخيــة كافيــة ،مثــل عــدد حمــدود مــن العوامــل املناخيــة.
نــاذج بــاين – كريــدل املعدلــة وهارجريفــس – ســاين تعــرف الشــبكات العصبيــة االصطناعيــة (Artificial
)Neural Networksأو اختصــارا ( )ANNsعــى أهنــا (.)Lee et al., 2004, and Jensen et al., 1997
أوصــت منظمــة األغذيــة والزراعــة ( )FAOحديثــ ًا ،نــاذج أو برامــج كمبيوتــر مبســطة حتاكــي النظــام
باعتــاد طريقــة بنــان مونتيــت املعدلــة ذات العصبــي احليــوي يف طريقــة عملهــا ،بحيــث تتكــون
األســاس الفيزيائــي كطريقــة قياســية لتقديــر مــن نظــام عمليــات بتوزيــع متــوازي ،وهلــا القابليــة عــى
البخرنتــح املرجعــي عندمــا تتوفــر بيانــات دقيقــة التعلــم ،ومــن ثــم اكتســاب املعرفــة ،وجتعلهــا جاهــزة
عــن كل العوامــل املناخيــة ولفــرات زمنيــة طويلــة لالســتخدام .تتميــز الشــبكات العصبيــة االصطناعيــة
( .)Grazhani and Ahmeti, 2010وعــى الرغــم مــن بقدرهتــا عــى التعلــم والتــدرب عــى جمموعــة مــن
الدقــة العاليــة للنتائــج املتحصــل عليهــا مــن اســتخدام البيانــات اخلاصــة بمشــكلة معينــة ،والعمــل عــى
هــذه الطريقــة ،إال أنــه قــد تظهــر صعوبــات يف تطبيقهــا تصنيفيهــا ،وتشــخيصها ،واختــاذ القــرار فيهــا ،مــع
لعــدم توفــر بعــض البيانــات املناخيــة عــن بعــض إمكانيــة التنبــؤ والتوقــع وحــل أي مشــكلة مشــاهبة
املتغــرات مثــل صــايف اإلشــعاع ،وقياســات الرطوبــة قــد تظهــر مســتقب ً
ال .تســتخدم الشــبكات العصبيــة
النســبية ،وســاعات الســطوع الفعليــة ،باإلضافــة إىل االصطناعيــة بنجــاح لنمذجــة األنظمــة غــر اخلطيــة
رسعــة الريــاح النهاريــة واليوميــة ( ،)Arca et al., 2004واملشــاهبة حلــد كبــر لعمليــة البخرنتــح التــي حتــدث
هــذا باإلضافــة إىل بيانــات حــول الغطــاء النبــايت وقيــم يف بيئــة املحصــول ،حيــث تكمــن أمهيتهــا يف عمليــات
املقاومــة اإليروديناميكيــة ،والتــي يف حــال غياهبــا التقديــر والتنبــؤ ،وكذلــك يف العمليــات املتعلقة بمشــاكل
قــد تؤثــر ســلبا عــى دقــة تقديــرات طريقــة بنــان التصنيــف للمدخــات ،ويعــزى انتشــار اســتخدام
مونتيــت املعدلــة ( .)Ventura et al., 1999ووفقــا إىل الشــبكات العصبيــة االصطناعيــة إىل دقــة التقديــرات
( )Wang et al., 2008فإنــه ال يوجــد إمجــاع عــام عــى غــر اخلطيــة للمتغــرات التابعــة ملتغــرات مســتقلة ال
مــدى مالئمــة أي مــن املعــادالت املســتخدمة يف تقديــر يمكــن وصــف ســلوكها رياضيــا ،والتــي توفــر مميــزات
2
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
عديــدة عــن تلــك املقاربــات التحليليــة التقليديــة الدراســة لكوهنــا متثــل أهــم املناطــق التــي حتتــوي عــى
( Schultz et al., 1995; Dowla and Rogers, 1995,العديــد مــن املشــاريع الزراعيــة املرويــة ،باإلضافــة إىل
Arca et al., 1998, Ventura et al., 1999; Patter-توفــر معظــم البيانــات املناخيــة فيهــا ،بحيــث تســهل
عمليــة املقارنــة واحلســاب جلميــع املعــادالت التجريبيــة .)Son,1996; and Paruelo and Tomasel, 1997
تــم تطبيــق الشــبكات العصبيــة االصطناعيــة بنجــاح املدروســة مــع نمــوذج الشــبكات العصبيــة االصطناعيــة
عــى جمموعــة مــن املتغــرات املناخيــة املختلفــة لنمذجــة املطبــق .وتقــع حمطــة اإلرصــاد املناخــي بــرت عــى
عمليــة البخرنتــح املرجعــي ،ومــن أمثلــة هــذه التطبيقات خــط عــرض˝ °16 20شــاال وخــط طــول°20 31˝:
قيــام ( )Sudheer et al., 2003باختبــار قــدرة الشــبكات رشقــا ،ويبلــغ ارتفــاع املحطــة حــوايل 16مــر عــن
العصبيــة عــى تقديــر البخرنتــح الفعــي مــن بيانــات ســطح البحــر.
مناخيــة حمــدودة ،واقرتحــوا أنــه باإلمــكان حســاب تــم جتميــع البيانــات املناخيــة للمحطــة لفــرة عــرة
البخرنتــح للمحصــول باســتخدام الشــبكات العصبيــة ســنوات ( )1996 - 2005عىل أســاس شــهري ،وشــملت
االصطناعيــة ،وذلــك باســتعامل البيانــات املتوفــرة عــن البيانــات املجمعــة متوســط درجــة احلــرارة ومتوســط
درجــات احلــرارة فقــط ،بينــا وجــد ( Zanetti et al.,الرطوبــة النســبية ،وكذلــك رسعــة الريــاح باإلضافــة إىل
)2007أنــه باإلمــكان اســتخدام كال مــن متوســط متوســط ســاعات الســطوع الفعليــة .إن هــذه البيانــات
درجــات احلــرارة الصغــرى والعظمــى للهــواء اجلــوي جتعــل باإلمــكان حســاب البخرنتــح املرجعــي باســتخدام
كمدخــات لتقديــر البخرنتــح املرجعــي باســتعامل معادلــة بنــان مونتيــت املعدلــة ومعادلــة هارجريفــس-
الشــبكات العصبيــة االصطناعيــة .وخالصــة األمــر ،ســاين ،باإلضافــة إىل معادلــة بــاين – كريــدل املعدلــة،
فــإن اســتخدام الشــبكات العصبيــة قــد يوفــر بديــ ً
ا كــا أهنــا متكــن مــن تطويــر نمــوذج الشــبكات العصبيــة
أكثــر دقــة مــن املعــادالت التجريبيــة خصوصــ ًا عنــد االصطناعيــة لتقديــر البخرنتــح املرجعــي.
توفــر عــدد قليــل مــن بيانــات العوامــل املناخيــة ،كــا حساب البخرنتح املرجعي املقارن:
هــو واقــع احلــال يف معظــم مناطــق ليبيــا ممــا يتيــح الرفــع نظــر ًا لعــدم وجــود بيانــات فعليــة لقياســات البخرنتــح
مــن درجــة تقديــر البخرنتــح املرجعــي والتخطيــط املرجعــي والــذي يتأتــى عــر اســتخدام الطرائــق املبارشة
اجليــد للــري ودراســات امليــاه بشــكل عــام للعديــد مثــل الليزمــرات ،تــم اللجوء إىل اســتخدام معادلــة بنامن
مــن املناطــق يف ليبيــا وبدايــة بمنطقــة رست التــي مونتيــت املعدلــة كطريقــة مقارنــة لتقديــر البخرنتــح
املرجعــي كــا أشــارت العديد من الدراســات مــن أمثلتها اســتهدفتها هــذه الدراســة.
(Allen et al., 1998; Alexandris et al., 2006 and
.)Georgiou and Papamichail, 2008حيــث تــم املواد وطرائق البحث
تقديــر البخرنتــح املرجعــي الشــهري لكامــل املــدة منطقة الدراسة والبيانات املناخية
تقــع منطقــة الدراســة يف نطــاق املناطــق اجلافــة بمعدالت املدروســة باســتخدام معادلــة بنــان مونتيــت املعدلــة
أمطــار ســنوية ال تزيــد عــن 150ملــم ،ومتتــد عــى ( )Allen et al., 1998عىل النحو التايل:
الســاحل الشــايل الوســطي لليبيــا ،وتــم اختيــار منطقــة
3
أمحد إبراهيم مخاج وآخرون
4
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
املجموعــة البيانــات املناخيــة الشــهرية لثامن ســنوات ،من تــم حســاب معــدل البخرنتــح املرجعــي مــن البيانــات
1996حتــى ســنة ،2003بينــا اســتخدمت املجموعــة املناخيــة املجمعــة ،باســتخدام طريقــة بــاين -كريــدل
الثانيــة واملمثلــة بالبيانــات املناخيــة لســنتي 2004و 2005وذلـكك وفقــا للتعديــل الــذي اقرتحــه (�1977Dooren
لغــرض التقييــم ،بحيــث حجبــت البيانــات املســتعملة ،)bos and Pruittالــذي تضمــن إدخــال معامــات
يف هــذا القســم متامــ ًا عــن الشــبكات العصبيــة يف تصحيــح تشــمل معــدالت قيــم الرطوبــة النســبية
مرحلتــي التدريــب واملعاجلــة ،كــا تــم اختيــار الشــبكة الصغــرى ،ورسعــة الريــاح أثنــاء النهــار ،وكذلــك
العصبيــة ذات االرتــداد العكــي لكفاءهتــا العاليــة يف النســبة بــن ســاعات الســطوع الفعليــة إىل ســاعات
الســطوع املمكنــة ،وذلــك وفقــا للمعادلــة التاليــة: متثيــل العالقــات غــر اخلطيــة .تــم معاجلــة البيانــات
املسـ�تخدةمة وجعلهــا يف الشــكل املعيــاري (�Normali
)zationبعــد توزيــع وترتيــب البيانــات عشــوائيا ،وتــم
اســتخدام دالــة التعلــم ( )Traingdxودالــة()Learngdm
حلســاب األوزان ،واســتخدمت كال مــن دالــة التنشــيط
( )Hyperbolic Tangent functionيف الطبقــة املخفيــة
حيــث يمكــن كتابتهــا عــى النحــو التــايل:
حيــث متثــل ETO-BCالبخرنتــح املرجعــي (مم/يــوم)
()2
كــا تــم حســابه باســتخدام معادلــة بــاين -كريــدل
املعدلــة T ،املتوســط الشــهري لدرجــة احلــرارة املقاســة
كــا اســتخدمت الدالــة Log-sigmoidيف طبقــة
(oم) P ،متثــل نســبة جممــوع ســاعات الســطوع الســنوية
املخرجــات ،والتــي باإلمــكان كتابتهــا عــى النحــو التايل:
خــال الشــهر a ،و bعوامــل تعتمــد عــى معــدالت
()3
قيــم الرطوبــة النســبية الصغــرى ،رسعــة الريــاح أثنــاء
حيــث متثــل Sjقيمــة مجــع املدخــات املوزونــة النهــار وكذلــك النســبة بــن ســاعات الســطوع الفعليــة
والتــي باإلمــكان كتابتهــا عــى الصــورة التاليــة :إىل ســاعات الســطوع املمكنــة RHmin ،النســبة املئويــة
للرطوبــة النســبية الصغــرى n/N ،نســبة ســاعات ()4
ومتثــل ( )X , X , Xقيــم املدخــات ،و متثــل الســطوع الفعليــة إىل ســاعات الســطوع املمكنــةUday .
1 2 n
( )W1j, W2j, Wnjأوزان تلــك املدخــات .كــا متثــل رسعــة الريــاح أثنــاء النهــار مقاســة عــى ارتفــاع
متثــل ( )Wقيمــة االنحيــاز .ولتنفيــذ نمــوذج 2مرت.
0j
الشــبكات العصبيــة تــم االســتعانة بربنامــج تقديــر البخرنتــح املرجعــي باســتخدام معادلــة
( )Artificial Neural Network Matlab toolboxهارجريفــس -ســاين التجريبيــة
اإلصــدار (Demuth and Beale, 1998) 7.4.0.287.تــم حســاب معــدل البخرنتــح املرجعــي باســتخدام
معادلــة هارجريفــس – ســاين (Hargreaves and تقديــر البخرنتــح املرجعــي باســتخدام معادلــة بــاين-
)Samani, 1985لتقديــر البخرنتــح املرجعــي ،والتــي كريــدل املعدلــة التجريبيــة
5
أمحد إبراهيم مخاج وآخرون
تقييــم أداء نمــوذج الشــبكات العصبيــة واملعــادالت تــم حســابه بطريقــة بنــان مونتيــت املعدلــة .باإلضافــة
إىل تلــك املعايــر الســابقة ،تــم اســتخدام تقنيــة حتليــل التجريبيــة
تــم تقييــم واختبــار دقــة النتائــج املتحصــل عليهــا مــن االنحــدار لتقديــر انحــراف القيــم املتنبــأ هبــا عــن القيــم
اســتخدام كال مــن طريقــة بــاين –كريــدل املعدلــة املحســوبة ملعــدل البخرنتــح املرجعــي والتــي حســبت
باســتخدام طريقــة بنــان مونتيــت املعدلــة ،ويمكــن كتابة
وطريقــة هارجريفــس -ســاين باإلضافــة إىل النمــوذج
صيغــة معادلــة االنحــدار املســتعملة يف املقارنــة كــا يــي:
الــذي تــم تطويــره باســتخدام الشــبكات العصبيــة
االصطناعيــة ومقارنتهــا بطريقــة بنــان مونتيــت
املعدلــة القياســية لتقديــر البخرنتــح املرجعــي وذلــك حيــث متثــل αقيمــة ميــل العالقــة بــن
ET O-Predictedو ،ET O-PMووفقــا للمعادلــة الســابقة فعنــد
باســتخدام عــدة معايــر إحصائيــة ،وهــي متوســط
تســاوي قيــم كال مــن ET O-Predictedو ET O-PMفــإن قيمــة
اخلطــأ املطلــق ( ،)MAEاجلــذر الرتبيعــي ملربــع اخلطــأ
.α= 1ويظهــر معامــل التحديــد R2معيــار آخــر لتقييــم أداء
( ،)RMSEمعامــل ناش-ســاتكليف (C2) (Nash and
النــاذج املختلفــة ،فكلــا كانــت قيمة معامــل التحديــد ()R2
قريبــة مــن الواحــد الصحيــح كانــت دلي ـ ً
ا عــى ارتفــاع .)Sutcliffe, 1970
إن القيــم املثاليــة لــكل مــن( )MAEو( )RMSEهــي كفــاءة النمــوذج وحســن تفاعلــه مــع البيانــات املتاحــة.
النتائج واملناقشة الصفــر ،حيــث تتســاوي فيــه القيــم الفعليــة مــع القيــم
املتنبــأ هبــا ،بينــا تعنــي قيمــة معامــل نــاش -ســاتكليف
املقارنــة بــن طريقتــي بــاين – كريــدل املعدلــة وطريقــة
التــي تســاوي فيهــا الواحــد أن النمــوذج لــه قــدرة هارجريفــس – ســاين
عاليــة عــى التنبــؤ ،وتوضــح املعــادالت التاليــة الصيــغ اعتمــدت الدراســة عــى اســتخدام طريقــة بنــان مونتيت
املعدلــة كطريقــة قياســية لتقديــر البخرنتــح املرجعــي. الرياضيــة للمعايــر الســابقة:
6
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
تقديــر البخرالنتــح املرجعــي يعتمــد بدرجــة أساســية فلقــد تــم تقديــر البخرنتــح املرجعــي باســتخدام كال
عــى الظــروف املناخيــة واملوقــع اجلغــرايف ،ففــي حــن مــن طريقــة بنــان مونتيــت املعدلــة وطريقــة بــاين –
أن تقديــرات البخرنتــح املرجعــي يف املناطــق شــبه كريــدل املعدلــة وطريقــة هارجريفــس -ســاين ،للفــرة
اجلافــة كانــت عاليــة عنــد اســتخدام طريقــة بــاين – الزمنيــة 1996وحتــى .2005يوضــح الشــكل ( )2قيــم
كريــدل املعدلــة ،إال أن طريقــة هارجريفــس– ســاين البخرنتــح املرجعــي كــا تــم تقديــره باســتخدام طريقــة
كانــت تقديراهتــا منخفضــة ،وهــذا يتطابــق مــع العديــد بــاين – كريــدل املعدلــة وطريقــة هارجريفــس -ســاين
مــن الدراســات املشــاهبة يف املناطــق شــبه اجلافــة مثــل مقارنــة بطريقــة بنــان مونتيــت املعدلــة .كــا أظهــرت
(.)Fontenot, 2004 and George et al., 2002 نتائــج املقارنــة أنــه عــى الرغــم مــن انخفــاض تقديــرات
نموذج الشبكات العصبية االصطناعية البخرنتــح املرجعــي لــكال الطريقتــن عــن تلــك املقــدرة
تــم اســتخدام الشــبكات العصبيــة االصطناعيــة متعــددة باســتخدام طريقــة بنــان مونتيــت املعدلــة ،إال أن طريقــة
الطبقــات لتطويــر الشــبكة العصبيــة ،حيــث احتــوت بــاين – كريــدل املعدلــة أظهــرت دقــة عاليــة يف
شــبكة املدخــات ثالثــة عنــارص مناخيــة ،بينــا احتــوت التقديــر مقارنــة بطريقــة هارجريفــس – ســاين ،ويتضــح
الطبقــة املخفيــة عــى عــدد 3طبقــات ،أمــا طبقــة ذلــك مــن خــال قيــم معايــر اختبــار أداء النــاذج
املخرجــات فإهنــا احتــوت عــى خمــرج واحــد وهــو حيــث كانــت قيــم كال مــن MAE، RMSE، C 2، α، R 2
معــدل البخرنتــح املرجعــي ،وبالتــايل فإنــه باإلمــكان تســاوي ( 0.55مم/يــوم)( 0.62 ،مم/يــوم)0.75، 0.89 ،
كتابــة بنيــة الشــبكة العصبيــة عــى النحــو التــايل ( 3-3- و ،0.93عــى التــوايل .وذلــك عنــد اســتخدام طريقــة
،)1ويوضــح الشــكل ( )3بنيــة الشــبكة العصبيــة التــي بــاين – كريــدل املعدلــة .أمــا قيــم معايــر اختبــار األداء
اســتعملت يف هــذه الدراســة. عنــد اســتخدام طريقــة هارجريفــس -ســاين فكانــت
يوضــح الشــكل ( )4النتائــج املتحصــل عليهــا مــن ( 0.85مم/يــوم)( ،مم/يــوم) 0.94، 0.45، 0.81،
خــال تطبيــق الشــبكات العصبيــة االصطناعيــة لتقديــر 0.90وذلــك لقيــم كل مــن ،MAE، RMSE، C2، α، R2
البخرنتــح املرجعــي خــال مرحلــة التدريــب ،والتــي تم عــى التــوايل .إن ارتفــاع دقــة طريقــة بــاين – كريــدل
اســتعامل فيهــا البيانــات الشــهرية املتاحــة موزعــة توزيعــا املعدلــة مقارنــة بطريقــة هارجريفــس -ســاين تعــزى إىل
عشــوائيا خــال الفــرة الزمنيــة بــن ســنة 1996وســنة احتــواء طريقــة بــاين -كريــدل املعدلــة عــى معامــات
،2003ويتضــح مــن خــال الشــكل املقاربــة الدقيقــة تعديــل يدخــل يف حســاهبا تأثــر بعــض العوامــل التــي
لتقديــر الشــبكات العصبيــة االصطناعيــة مــع طريقــة تضمنتهــا طريقــة بنــان مونتيــت املعدلــة والتــي تشــمل
بنــان مونتيــت املعدلــة مقارنــة بطريقــة هارجريفــس – رسعــة الريــاح عنــد ارتفــاع 2مــر ،والنســبة املئويــة
ســاين وطريقــة بــاين – كريــدل املعدلــة. للرطوبــة النســبية باإلضافــة إىل نســبة ســاعات الســطوع
إن مقارنــة أداء النــاذج الســابقة يف تقديــر البخرنتــح الفعــي إىل ســاعات الســطوع املمكنــة ،بينــا ال تتضمــن
مــع أداء نمــوذج الشــبكات العصبيــة خــال مرحلــة معادلــة هارجريفــس -ســاين إدخــال أي مــن العوامــل
التدريــب وفقــا للمعايــر اإلحصائيــة التــي تــم اإلشــارة الســابقة كمعامــات تعديــل .إن أداء طريقــة بــاين –
إليهــا ســابقا يوضــح درجــة االختــاف بــن الطرائــق كريــدل املعدلــة وطريقــة هارجريفــس – ســاين يف
7
أمحد إبراهيم مخاج وآخرون
شكل .2مقارنة قيم البخرنتح املقدرة بطريقة بالين – كريدل املعدلة ( )aوطريقة هارجريفس – سامين ( )bمع قيم
البخرنتج املرجعي املحسوب من معادلة بنامن مونتيت املعدلة لنفس البيانات
8
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
تقييــم أداء النــاذج املســتعملة يف تقديــر البخرنتــح املختلفــة ،ويوضــح اجلــدول ( )1قيــم تلــك املعايــر
املرجعــي (جــدول ،)2فــإن طريقــة الشــبكات العصبيــة اإلحصائيــة ،مــن خــال تلــك املعايــر يتضــح جليــ ًا
أظهــرت دقــة عاليــة تليهــا طريقــة بــاين – كريــدل األداء العــايل للشــبكات العصبيــة االصطناعيــة خــال
املعدلــة ثــم طريقــة هارجريفــس – ســاين ،فعــى ســبيل مرحلــة التدريــب لتقديــر البخرنتــح املرجعــي ،ومــن
املثــال فــان قيــم RMSEكانــت 0.33مــم /يــوم ، ثــم فانــه باإلمــكان اســتعامل تلــك الشــبكات العصبيــة
و 0.85مــم /يــوم ،و 0.56مــم /يــوم وذلــك وفقــا االصطناعيــة التــي تــم تطويرهــا لتقديــر البخرنتــح
لطريقــة الشــبكات العصبيــة االصطناعيــة ،هارجريفــس املرجعــي ،وحتــى يصبــح باإلمــكان إجــراء تقييــم أكثــر
-ســاين و بــاين -كريــدل املعدلــة عــى التــوايل، فاعليــة ،تــم اســتقطاع جــزءا مــن البيانــات الشــهرية
ومــن خــال معاينــة معامــل معادلــة االنحــدار ( )α املتاحــة ،بحيــث يتــم اســتعامهلا لغــرض اختبــار أداء
فــإن النســبة املئويــة النحــراف القيــم املتنبــأ هبــا كانــت النمــوذج املطــور .إن تلــك البيانــات مل يتــم اســتعامهلا
% 18- ، %2+و % 10 -وذلــك وفقــا لطريقــة خــال مرحلــة التدريــب ،ومــن ثــم فإهنــا توفــر إمكانيــة
الشــبكات العصبيــة االصطناعيــة ،هارجريفــس- إجــراء اختبــار للشــبكات العصبيــة التــي تــم تطويرهــا.
ســاين وبــاين – كريــدل املعدلــة ،عــى التــوايل. يف هــذا الصــدد ،تــم اختيــار البيانــات الشــهرية املتوفــرة
إن الدقــة العاليــة للشــبكات العصبيــة االصطناعيــة لســنتي 2004و ،2005حيــث تــم إدخــال بيانــات
يف تقديــر معــدل البخرنتــح املرجعــي يعــزى إىل املدخــات والتــي اشــتملت عــى متوســط درجــة
قدرهتــا وخصائصهــا الرتكيبيــة والوظيفيــة يف نمذجــة احلــرارة الشــهرية ،ومتوســط الرطوبــة النســبية شــهريا،
العالقــات غــر اخلطيــة ،فلقــد أوضــح كل مــن وكذلــك متوســط اإلشــعاع الشــميس .يوضــح الشــكلني
()Sudheeer et al., 2003, and Kumar et al., 2002 ( )5و( )6النتائــج املتحصــل عليهــا لقيــم البخرنتــح
أن كفــاءة الشــبكات العصبيــة االصطناعيــة لتقديــر املرجعــي مــن الشــبكات العصبيــة االصطناعيــة ومــن
البخرنتــح املرجعــي أعــى مــن الطرائــق التقليديــة. النــاذج املختلفــة ،واملتمثلــة يف بنــان مونتيــت املعدلــة
اخلالصة وهارجريفــس -ســاين وبــاين –كريــدل املعدلــة لســنتي
نظــر لصعوبــة تقديــر البخرنتــح املرجعــي بالطرائــق 2004و ،2005عــى التــوايل ،مــن خــال الشــكلني
املبــارشة بســبب طــول وقــت التجــارب الالزمــة يتضــح مــدى تطابــق نتائــج الشــبكات العصبيــة
لتقديــره وتكلفتهــا العاليــة ،يلجــأ املهتمــون بحســاب االصطناعيــة مــع تلــك املتحصــل عليهــا مــن طريقــة
البخرنتــح املرجعــي إىل اســتخدام الطرائــق غــر املبــارشة بنــان مونتيــت املعدلــة القياســية مقارنــة بالطرائــق
والتــي تعتمــد درجــة دقتهــا عــى مــدى توفــر البيانــات األخــرى وذلــك خــال أشــهر الســنة املختلفــة ،ففــي
للعوامــل املناخيــة املختلفــة .إال أن توفــر البيانــات حــن يالحــظ تطابــق لنتائــج طريقــة بــاين – كريــدل
املناخيــة لكامــل عوامــل املنــاخ يعــد مشــكلة كبــرة يف املعدلــة مــع طريقــة بنــان مونتيــت املعدلــة يف بعــض
الــدول الناميــة ومنهــا ليبيــا ،وللتغلــب عــى هــذه األشــهر ،إال أن طريقــة هارجريفــس -ســاين تبــدي
املشــكلة تــم اللجــوء إىل طرائــق تقديــر البخرنتــح ســلوكا أقــل دقــة مــن الطرائــق األخــرى.
املرجعــي التــي تتطلــب متغرياهتــا بيانــات مناخيــة ومــن خــال قيــم املعايــر اإلحصائيــة املســتعملة يف
9
أمحد إبراهيم مخاج وآخرون
شكل .4البخرنتح املرجعي املقدر باستخدام الشبكات العصبية االصطناعية خالل مرحلة التدريب مقارنة بطريقة بنامن
مونتيت املعدلة كطريقة قياسية وطريقة بالين – كريدل املعدلة وهارجريفس -سامين.
جــدول .1أداء الشــبكات العصبيــة االصطناعيــة لتقديــر البخرنتــح املرجعــي خــال مرحلــة التدريــب مقارنــة
بالطرائــق األخــرى
معامل التحديد معامل معامل ناش-ساتكليف اجلذر الرتبيعي ملربع متوسط اخلطأ املطلق
الطريقة
( )% االنحدار (نسبة) اخلطأ (مم /يوم) (مم /يوم)
جــدول .2أداء الشــبكات العصبيــة االصطناعيــة لتقديــر البخرنتــح املرجعــي خــال مرحلــة التحقــق مقارنــة
بالطرائــق األخــرى
معامل التحديد معامل معامل ناش-ساتكليف اجلذر الرتبيعي ملربع متوسط اخلطأ املطلق
الطريقة
( )% االنحدار (نسبة) اخلطأ (مم /يوم) (مم /يوم)
10
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
شــكل .5البخرنتــح املرجعــي املقــدر باســتخدام الشــبكات العصبيــة االصطناعيــة خــال مرحلــة التحقــق
مقارنــة بطريقــة بنــان مونتيــت املعدلــة كطريقــة قياســية وطريقــة بــاين – كريــدل املعدلــة وهارجريفــس –
ســاين لســنة .2004
شــكل .6البخرنتــح املرجعــي املقــدر باســتخدام الشــبكات العصبيــة االصطناعية خــال مرحلة التحقــق مقارنة
بطريقة بنامن مونتيت املعدلة كطريقة قياســية وطريقة بالين – كريدل املعدلة وهارجريفس – ســاين لســنة .2005
11
أمحد إبراهيم مخاج وآخرون
12
تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية
23. Patterson, D.W.1996. Artificial Neural Networks: the- neural network. Journal of Hydrology. 137(1-4):1-31.
ory and applications, Simon and Schuster., Singapore, 13. George, B.A., Reddy, B. R. S., Raghuwanshi, N. S., and
pp. 477. Wallender, W. W. 2002. Decision support system for
24. Schultz, A., Wieland, R. and Baumann, A. 1995. The estimating reference evapotranspiration. Journal of
use of neural networks in agroecological modelling. Irrigation and Drainage Engineering. 128:1-10.
IFAC. Elsevier Science and Technology. Wageningen. 14. Georgiou, P.E., and Papamichail, D.M. 2008. Optimiza-
55-60. tion model of an irrigation reservoir for water alloca-
25. Shukla, M. B., Kok, R., Prasher, S. O., Clark, G., and tion and crop planning under various weather condi-
Larcroix, R. 1996. Use of artificial neural network in tions. Irrigation Science. 26: 487-504.Grazhdanis. and
transient drainage design. Transactions of the ASAE. Ahmeti, A. 2010. Estimating reference evapotranspi-
39(1):119–124. ration using two different models of Penman-Monte-
26. Smith, M.1992. Report on the expert consultation on ith method for climatic conditions of Albania. Balwos
revision of FAO methodologies for crop water require- 2010, Artificial Intelligence in Agriculture. Ohrid, Re-
ments. Food Agriculture Organization. Rome, pp.54 public of Macedonia.1-11.
27. Sudheer, K. P., Gosain, A. K., and Ramasastri, K. S. 15. Hargreaves, G.H., and Samani, Z. A. 1985. Reference
2003. Estimating actual evapotranspiration from lim- crop evapotranspiration from temperature. Applied
ited climatic data using Neural Computing Technique. Engineering in Agriculture. 1(2): 96-99.
Journal of Irrigation and Drainage Engineering. 129(3): 16. Jensen, M. E., Burman, R. D. and Allen, R. G. 1990.
214-218. Evapotranspiration and irrigation water requirements,
28. Ventura, F., Spano, D., Duce, P., and Snyder, R. L. 1999. ASCE Manuals and Reports on Engineering Practice n°
An evaluation of common evapotranspiration equa- 70., New York, pp. 332.
tions. Irrigation Sciences.18:163–170. 17. Jensen, D.T., Hargreaves, G.H., Temesgen, B., and Al-
29. Wang, Y. M., Traore, S., and Kerh, T. 2008. Neural Net- len, R.G. 1997. Computation of ETo under nonideal
work approach for estimating reference evapotran- conditions. Journal of Irrigation and Drainage Engi-
spiration from limited climatic data in Burkina Faso. neering.123(5): 394 - 400.
Wseas Teansactions on Computers. 6(7): 704-713. 18. Kumar. M., Raghuwanshi, N., Singh, S. R., Wallender,
30. Yang, C., Prasher, S., Sreekanth, S., Patni, N. K., and W. W., and Pruitt, W. O. 2002. Estimating evapotran-
Masse, L. 1997. An artificial neural network for sim- spiration using Artificial Neural Network. Journal of
ulating pesticide concentration in soil. Transactions of Irrigation and Drainage Engineering. 128(4): 224-233.
the ASAE. 40:1285–1294. 19. Lee, T. S., Najim, M. M., and Aminul, M. H. 2004. Es-
31. Yang, C., Larcroix, R., and Prasher, S. O. 1996. Applica- timating evapotranspiration of irrigated rice at the
tion of artificial neural network to land drainage engi- West coast of the Peninsular of Malaysia. Journal of
neering. Transactions of the ASAE. 39: 525–533. Applied Irrigation Science. 39: 103-117.
32. Zanetti, S. S., Sousa, E. F., Oliveira, V. P., Almeida, F. T., 20. Nandagiri, L., and Kovoo, G. R. 2006. Performance
and Bernardo, S. 2007. Estimating evapotranspiration evaluation of reference evapotranspiration equations
using Artificial Neural Network and minimum climato- across a range of Indian climates. Journal of Irrigation
logical data. Journal of Irrigation and Drainage Engi- and Drainage Engineering.132(3): 238-249.
neering. 133(2): 83-89. 21. Nash, J.E., and Sutcliffe, J. V.1970. River flow forecast-
ing through conceptual models; part I – a discussion
of principles. Journal of Hydrology.10: 282–290.
22. Paruelo, M., and Tomasel, F. 1997. Prediction of func-
tional characteristics of ecosystems: a comparison of
artificial neural networks and regression models. Eco-
logical Modelling. 98: 173-186.
13
Estimation of the Reference Evapotranspiration in Sirt Region
Using an Artificial Neural Networks
Abstract
In this paper, a new method based on Artificial Neural Networks technique has been developed
to estimate the reference evapotranspiration (ET0) in Sirt area. The new method utilizes the av-
erage of temperature, relative humidity, and the solar radiation as input data. The ANNs method
was compared with Modified Penman Monteith ((FAO - Penman-Monteith), as a standard method.
The comparison was also performed with Hargreaves-Samani (1985) and modified Blaney-Criddle
(Doorenbos and Pruitt, 1977) methods. Climatic data sourced from Sirt weather station for the pe-
riod from 1996 until 2005.The results showed very good agreements between ANNs prediction and
FAO - Penman Monteith output. This result is evident from the values of standard performance in-
dices, which are mean absolute error (MAE), the root mean square error (RMSE), and coefficient of
Nash - Sutcliffe (C2).The standard performance indices were also better for ANNs compared to the
poor values obtained for both Hargreaves-Samani and Blaney-Criddle equations. The percentage of
deviation values was +2 % for the ANNs, while it reached -18 % and -10 % for Hargreaves-Samani
and Blaney-Criddle equations, respectively. In conclusion, the results showed that the ANNs per-
formed well and confirmed that ANNs method was best to estimate ET0 compared to Hargreaves
- Samani and Blaney-Criddle equations in Sirt area.
Correspondence author: Ahmed Ibrahim Ekhmaj Dep. of Soil and Water - Fac. of Agric. - University of Tripoli - Libya
Phone: +21826577440 E-mail: khmaj1@yahoo.com
Received: 4/9/2013 Accepted: 1/12/2013
14