‫تقدير البخرنتح املرجعي ملنطقة رست باستخدام‬

‫الشبكات العصبية االصطناعية‬

‫‪1‬‬
‫أمحد إبراهيم مخاج‪ ،1‬مصطفى بن زقطة‪ ،2‬يونس ضو الزليط ‪ ،1‬أبوبكر حممد شقلب‬
‫‪ .1‬قسم الرتبة واملياه ‪ -‬كلية الزراعة ‪ -‬جامعة طرابلس‬
‫‪ .2‬كلية الزراعة ‪ -‬جامعة رست‬

‫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.‬‬

‫الــري‪ ،‬التــي بدورهــا تعتمــد عــى التقديــرات الصحيحة‬ ‫املقدمة‬

‫يعتمــد نجــاح واســتدامة الزراعــات املرويــة بدرجــة والدقيقــة لالســتهالك املائــي للمحاصيــل املزروعــة‪،‬‬
‫أساســية عــى اإلدارة اجليــدة واملتكاملــة لعمليــات وهــذا يتطلــب حســاب قيــم البخرنتــح املرجعــي‬

‫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

‫البخرنتــح املرجعــي وفقــا ملعادلــة بنــان مونتيــت‬

‫املعدلــة‪.‬‬
‫حســاب البخرنتــح املرجعــي باســتخدام نمــوذج‬
‫حيــث متثــل ‪ ETO-PM‬البخرنتــح املرجعــي الشــبكات العصبيــة االصطناعيــة‬
‫( مــم‪ /‬يــوم)‪ ،‬كــا تــم حســابه مــن معادلــة تــم اختيــار ثالثــة متغــرات مناخيــة لتمثيــل املدخــات‬
‫بنــان مونتيــت املعدلــة و( مــم‪ /‬يــوم)‪ Rn ،‬يف الشــبكات العصبيــة‪ ،‬تلــك املتغــرات هــي متوســط‬
‫متثــل صــايف اإلشــعاع عنــد ســطح املحصــول درجــة احلــرارة الشــهرية(‪ ،)Tmean‬ومتوســط الرطوبــة‬
‫( ميجاجــول‪ /‬مــر مربــع‪ .‬يــوم)‪ G ،‬كثافــة الفيــض النســبية شــهريا (‪ ،)RHmean‬وكذلــك متوســط اإلشــعاع‬
‫احلــراري للرتبــة (ميجاجــول‪ /‬مــر مربــع‪ .‬يــوم)‪ ،‬و الشــميس الشــهري (‪ .)Rs‬إن اختيــار املتغــرات الثالثــة‬
‫‪ Δ‬متثــل ميــل منحنــى العالقــة بــن الضغــط البخــاري تــم بنــا ًء عــى دراســة (‪ ،)Ekhmaj, 2012‬والــذي أوضــح‬
‫التشــبعي ودرجــة حــرارة اهلــواء (كيلوباســكال‪/‬م‪ ،) °‬و مــن خــال دراســته عــى البخرنتــح املرجعــي لــكل مــن‬
‫‪ U2‬متثــل رسعــة الريــاح عنــد ارتفــاع ‪ 2‬مــر( مرت‪/‬ثانية)‪ ،‬مدينــة الزاويــة ومدينــة الزهــراء أن لتلــك املتغــرات‬
‫‪ es‬متثــل الضغــط البخــاري التشــبعي (كيلوباســكال)‪ ،‬ارتباطــا قويــا مــع معــدل البخرنتــح املحســوب مــن‬
‫و‪ ea‬الضغــط البخـــاري الفعـــي (كيلوباســكال) و طريقــة حــوض البخــر‪ .‬أمــا قيــم البخرنتــح املرجعــي‬
‫‪ ɤ‬الثابــت الســيكرومرتي (كيلوباســكال‪/‬م‪ ،) °‬و‪ T‬فإهنــا ســتمثل يف طبقــة املخرجــات‪ ،‬ويوضــح‬
‫الشــكل(‪ )1‬مكونــات الشــبكة العصبيــة املســتخدمة‪.‬‬ ‫املتوســط اليومــي لدرجــة حــرارة اهلــواء عنــد ارتفــاع‬
‫‪ 2‬مــر(م‪ .) °‬يف هــذه الدراســة تــم اســتخدام برنامــج قســمت البيانــات املتوفــرة عــن منطقــة الدراســة إىل‬
‫(‪ )CROPWAT 8.0 for Windows‬والــذي تــم تطويــره جمموعتــن رئيســيتني‪ ،‬األوىل لغــرض تدريــب ومعاجلــة‬
‫مــن قبــل منظمــة األغديــة والزراعــة (‪ )FAO‬حلســاب الشــبكات العصبيــة‪ ،‬حيــث اســتخدمت عنــد هــذه‬

‫شكل ‪ .1‬مكونات الشبكة العصبية املستخدمة يف الدراسة‬

‫‪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

‫باإلمــكان كتابتهــا عــى النحــو التــايل‪:‬‬

‫حيــث متثــل ‪ ET O-HRG‬معــدل البخرنتــح املرجعــي كــا تــم‬

‫حســابه باســتخدام معادلــة هارجريفــس– ســاين (مــم‪/‬‬
‫يــوم)‪ Ra ،‬اإلشــعاع الشــميس مقاســا فــوق الغــاف‬
‫اجلــوي (مم‪/‬يــوم) ويعتمــد عــى كل مــن خــط العــرض‬
‫حيــث متثــل ‪ ، ETO-Predicted، ETO-PM‬معــدل البخرنتــح‬
‫والزمــن‪ ،‬ومتثــل ‪ Tmean، Tmax‬و‪ Tmin‬متوســط درجــة‬
‫املرجعــي (مم‪/‬اليــوم) املتنبــأ بــه واملحســوبة وفقــا‬
‫احلــرارة و متوســط درجــة احلــرارة العظمــى والصغــرى لطريقــة بنــان مونتيــت املعدلــة‪ ،‬عــى التــوايل‪ .‬بينــا متثــل‬
‫‪ ETO-mean-PM‬متوســط معــدل البخرنتــح (مــم‪ /‬اليــوم) كــا‬ ‫(م‪ ،) °‬عــى التــوايل‪.‬‬

‫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
‫عــى الظــروف املناخيــة واملوقــع اجلغــرايف‪ ،‬ففــي حــن‬
‫أن تقديــرات البخرنتــح املرجعــي يف املناطــق شــبه‬
‫اجلافــة كانــت عاليــة عنــد اســتخدام طريقــة بــاين –‬
‫كريــدل املعدلــة‪ ،‬إال أن طريقــة هارجريفــس– ســاين‬
‫كانــت تقديراهتــا منخفضــة‪ ،‬وهــذا يتطابــق مــع العديــد‬
‫مــن الدراســات املشــاهبة يف املناطــق شــبه اجلافــة مثــل‬
‫(‪.)Fontenot, 2004 and George et al., 2002‬‬
‫نموذج الشبكات العصبية االصطناعية‬
‫تــم اســتخدام الشــبكات العصبيــة االصطناعيــة متعــددة‬
‫الطبقــات لتطويــر الشــبكة العصبيــة‪ ،‬حيــث احتــوت‬
‫شــبكة املدخــات ثالثــة عنــارص مناخيــة‪ ،‬بينــا احتــوت‬
‫الطبقــة املخفيــة عــى عــدد ‪ 3‬طبقــات‪ ،‬أمــا طبقــة‬
‫املخرجــات فإهنــا احتــوت عــى خمــرج واحــد وهــو‬
‫معــدل البخرنتــح املرجعــي‪ ،‬وبالتــايل فإنــه باإلمــكان‬
‫كتابــة بنيــة الشــبكة العصبيــة عــى النحــو التــايل ( ‪3-3-‬‬
‫‪ ،)1‬ويوضــح الشــكل (‪ )3‬بنيــة الشــبكة العصبيــة التــي‬
‫اســتعملت يف هــذه الدراســة‪.‬‬
‫يوضــح الشــكل (‪ )4‬النتائــج املتحصــل عليهــا مــن‬
‫خــال تطبيــق الشــبكات العصبيــة االصطناعيــة لتقديــر‬
‫البخرنتــح املرجعــي خــال مرحلــة التدريــب‪ ،‬والتــي تم‬
‫اســتعامل فيهــا البيانــات الشــهرية املتاحــة موزعــة توزيعــا‬
‫عشــوائيا خــال الفــرة الزمنيــة بــن ســنة ‪ 1996‬وســنة‬
‫‪ ،2003‬ويتضــح مــن خــال الشــكل املقاربــة الدقيقــة‬
‫لتقديــر الشــبكات العصبيــة االصطناعيــة مــع طريقــة‬
‫بنــان مونتيــت املعدلــة مقارنــة بطريقــة هارجريفــس –‬
‫ســاين وطريقــة بــاين – كريــدل املعدلــة‪.‬‬
‫إن مقارنــة أداء النــاذج الســابقة يف تقديــر البخرنتــح‬
‫مــع أداء نمــوذج الشــبكات العصبيــة خــال مرحلــة‬
‫التدريــب وفقــا للمعايــر اإلحصائيــة التــي تــم اإلشــارة‬
‫إليهــا ســابقا يوضــح درجــة االختــاف بــن الطرائــق‬
‫‪7‬‬
‫فلقــد تــم تقديــر البخرنتــح املرجعــي باســتخدام كال‬
‫مــن طريقــة بنــان مونتيــت املعدلــة وطريقــة بــاين –‬
‫كريــدل املعدلــة وطريقــة هارجريفــس‪ -‬ســاين‪ ،‬للفــرة‬
‫الزمنيــة ‪ 1996‬وحتــى ‪ .2005‬يوضــح الشــكل (‪ )2‬قيــم‬
‫البخرنتــح املرجعــي كــا تــم تقديــره باســتخدام طريقــة‬
‫بــاين – كريــدل املعدلــة وطريقــة هارجريفــس ‪ -‬ســاين‬
‫مقارنــة بطريقــة بنــان مونتيــت املعدلــة‪ .‬كــا أظهــرت‬
‫نتائــج املقارنــة أنــه عــى الرغــم مــن انخفــاض تقديــرات‬
‫البخرنتــح املرجعــي لــكال الطريقتــن عــن تلــك املقــدرة‬
‫باســتخدام طريقــة بنــان مونتيــت املعدلــة‪ ،‬إال أن طريقــة‬
‫بــاين – كريــدل املعدلــة أظهــرت دقــة عاليــة يف‬
‫التقديــر مقارنــة بطريقــة هارجريفــس – ســاين‪ ،‬ويتضــح‬
‫ذلــك مــن خــال قيــم معايــر اختبــار أداء النــاذج‬
‫حيــث كانــت قيــم كال مــن ‪MAE، RMSE، C 2، α، R 2‬‬
‫تســاوي ‪( 0.55‬مم‪/‬يــوم)‪( 0.62 ،‬مم‪/‬يــوم)‪0.75، 0.89 ،‬‬
‫و‪ ،0.93‬عــى التــوايل‪ .‬وذلــك عنــد اســتخدام طريقــة‬
‫بــاين – كريــدل املعدلــة‪ .‬أمــا قيــم معايــر اختبــار األداء‬
‫عنــد اســتخدام طريقــة هارجريفــس ‪ -‬ســاين فكانــت‬
‫‪( 0.85‬مم‪/‬يــوم)‪( ،‬مم‪/‬يــوم) ‪0.94، 0.45، 0.81،‬‬
‫‪ 0.90‬وذلــك لقيــم كل مــن ‪،MAE، RMSE، C2، α، R2‬‬
‫عــى التــوايل‪ .‬إن ارتفــاع دقــة طريقــة بــاين – كريــدل‬
‫املعدلــة مقارنــة بطريقــة هارجريفــس ‪ -‬ســاين تعــزى إىل‬
‫احتــواء طريقــة بــاين ‪ -‬كريــدل املعدلــة عــى معامــات‬
‫تعديــل يدخــل يف حســاهبا تأثــر بعــض العوامــل التــي‬
‫تضمنتهــا طريقــة بنــان مونتيــت املعدلــة والتــي تشــمل‬
‫رسعــة الريــاح عنــد ارتفــاع ‪ 2‬مــر‪ ،‬والنســبة املئويــة‬
‫للرطوبــة النســبية باإلضافــة إىل نســبة ســاعات الســطوع‬
‫الفعــي إىل ســاعات الســطوع املمكنــة‪ ،‬بينــا ال تتضمــن‬
‫معادلــة هارجريفــس‪ -‬ســاين إدخــال أي مــن العوامــل‬
‫الســابقة كمعامــات تعديــل‪ .‬إن أداء طريقــة بــاين –‬
‫كريــدل املعدلــة وطريقــة هارجريفــس – ســاين يف‬
 ‫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

‫شكل ‪ .3‬بنية الشبكة العصبية‬

‫‪8‬‬
 ‫تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية‬
‫تقييــم أداء النــاذج املســتعملة يف تقديــر البخرنتــح‬
‫املرجعــي (جــدول ‪ ،)2‬فــإن طريقــة الشــبكات العصبيــة‬
‫أظهــرت دقــة عاليــة تليهــا طريقــة بــاين – كريــدل‬
‫املعدلــة ثــم طريقــة هارجريفــس – ســاين‪ ،‬فعــى ســبيل‬
‫املثــال فــان قيــم ‪ RMSE‬كانــت ‪ 0.33‬مــم‪ /‬يــوم ‪،‬‬
‫و‪ 0.85‬مــم‪ /‬يــوم‪ ،‬و ‪ 0.56‬مــم‪ /‬يــوم وذلــك وفقــا‬
‫لطريقــة الشــبكات العصبيــة االصطناعيــة‪ ،‬هارجريفــس‬
‫‪ -‬ســاين و بــاين‪ -‬كريــدل املعدلــة عــى التــوايل‪،‬‬
‫ومــن خــال معاينــة معامــل معادلــة االنحــدار ( ‪)α‬‬
‫فــإن النســبة املئويــة النحــراف القيــم املتنبــأ هبــا كانــت‬
‫‪ % 18- ، %2+‬و ‪ % 10 -‬وذلــك وفقــا لطريقــة‬
‫الشــبكات العصبيــة االصطناعيــة‪ ،‬هارجريفــس‪-‬‬
‫ســاين وبــاين – كريــدل املعدلــة‪ ،‬عــى التــوايل‪.‬‬
‫إن الدقــة العاليــة للشــبكات العصبيــة االصطناعيــة‬
‫يف تقديــر معــدل البخرنتــح املرجعــي يعــزى إىل‬
‫قدرهتــا وخصائصهــا الرتكيبيــة والوظيفيــة يف نمذجــة‬
‫العالقــات غــر اخلطيــة‪ ،‬فلقــد أوضــح كل مــن‬
‫(‪)Sudheeer et al., 2003, and Kumar et al., 2002‬‬
‫أن كفــاءة الشــبكات العصبيــة االصطناعيــة لتقديــر‬
‫البخرنتــح املرجعــي أعــى مــن الطرائــق التقليديــة‪.‬‬
‫اخلالصة‬
‫نظــر لصعوبــة تقديــر البخرنتــح املرجعــي بالطرائــق‬
‫املبــارشة بســبب طــول وقــت التجــارب الالزمــة‬
‫لتقديــره وتكلفتهــا العاليــة‪ ،‬يلجــأ املهتمــون بحســاب‬
‫البخرنتــح املرجعــي إىل اســتخدام الطرائــق غــر املبــارشة‬
‫والتــي تعتمــد درجــة دقتهــا عــى مــدى توفــر البيانــات‬
‫للعوامــل املناخيــة املختلفــة‪ .‬إال أن توفــر البيانــات‬
‫املناخيــة لكامــل عوامــل املنــاخ يعــد مشــكلة كبــرة يف‬
‫الــدول الناميــة ومنهــا ليبيــا‪ ،‬وللتغلــب عــى هــذه‬
‫املشــكلة تــم اللجــوء إىل طرائــق تقديــر البخرنتــح‬
‫املرجعــي التــي تتطلــب متغرياهتــا بيانــات مناخيــة‬
‫‪9‬‬
‫املختلفــة‪ ،‬ويوضــح اجلــدول (‪ )1‬قيــم تلــك املعايــر‬
‫اإلحصائيــة‪ ،‬مــن خــال تلــك املعايــر يتضــح جليــ ًا‬
‫األداء العــايل للشــبكات العصبيــة االصطناعيــة خــال‬
‫مرحلــة التدريــب لتقديــر البخرنتــح املرجعــي‪ ،‬ومــن‬
‫ثــم فانــه باإلمــكان اســتعامل تلــك الشــبكات العصبيــة‬
‫االصطناعيــة التــي تــم تطويرهــا لتقديــر البخرنتــح‬
‫املرجعــي‪ ،‬وحتــى يصبــح باإلمــكان إجــراء تقييــم أكثــر‬
‫فاعليــة‪ ،‬تــم اســتقطاع جــزءا مــن البيانــات الشــهرية‬
‫املتاحــة‪ ،‬بحيــث يتــم اســتعامهلا لغــرض اختبــار أداء‬
‫النمــوذج املطــور‪ .‬إن تلــك البيانــات مل يتــم اســتعامهلا‬
‫خــال مرحلــة التدريــب‪ ،‬ومــن ثــم فإهنــا توفــر إمكانيــة‬
‫إجــراء اختبــار للشــبكات العصبيــة التــي تــم تطويرهــا‪.‬‬
‫يف هــذا الصــدد‪ ،‬تــم اختيــار البيانــات الشــهرية املتوفــرة‬
‫لســنتي ‪ 2004‬و‪ ،2005‬حيــث تــم إدخــال بيانــات‬
‫املدخــات والتــي اشــتملت عــى متوســط درجــة‬
‫احلــرارة الشــهرية‪ ،‬ومتوســط الرطوبــة النســبية شــهريا‪،‬‬
‫وكذلــك متوســط اإلشــعاع الشــميس‪ .‬يوضــح الشــكلني‬
‫(‪ )5‬و(‪ )6‬النتائــج املتحصــل عليهــا لقيــم البخرنتــح‬
‫املرجعــي مــن الشــبكات العصبيــة االصطناعيــة ومــن‬
‫النــاذج املختلفــة‪ ،‬واملتمثلــة يف بنــان مونتيــت املعدلــة‬
‫وهارجريفــس‪ -‬ســاين وبــاين –كريــدل املعدلــة لســنتي‬
‫‪ 2004‬و ‪ ،2005‬عــى التــوايل‪ ،‬مــن خــال الشــكلني‬
‫يتضــح مــدى تطابــق نتائــج الشــبكات العصبيــة‬
‫االصطناعيــة مــع تلــك املتحصــل عليهــا مــن طريقــة‬
‫بنــان مونتيــت املعدلــة القياســية مقارنــة بالطرائــق‬
‫األخــرى وذلــك خــال أشــهر الســنة املختلفــة‪ ،‬ففــي‬
‫حــن يالحــظ تطابــق لنتائــج طريقــة بــاين – كريــدل‬
‫املعدلــة مــع طريقــة بنــان مونتيــت املعدلــة يف بعــض‬
‫األشــهر‪ ،‬إال أن طريقــة هارجريفــس ‪ -‬ســاين تبــدي‬
‫ســلوكا أقــل دقــة مــن الطرائــق األخــرى‪.‬‬
‫ومــن خــال قيــم املعايــر اإلحصائيــة املســتعملة يف‬
 ‫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)‬

‫‪0.94‬‬ ‫‪0.995‬‬ ‫‪0.94‬‬ ‫‪0.30‬‬ ‫‪0.25‬‬ ‫الشبكات العصبية االصطناعية‬

‫‪0.88‬‬ ‫‪0.815‬‬ ‫‪0.45‬‬ ‫‪0.94‬‬ ‫‪0.85‬‬ ‫هارجريفس – سامين املعدلة‬

‫‪0.94‬‬ ‫‪0.882‬‬ ‫‪0.81‬‬ ‫‪0.55‬‬ ‫‪0.44‬‬ ‫بالين – كريدل املعدلة‬

‫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)‬

‫‪0.94‬‬ ‫‪1.02‬‬ ‫‪0.92‬‬ ‫‪0.33‬‬ ‫‪0.25‬‬ ‫الشبكات العصبية االصطناعية‬

‫‪0.93‬‬ ‫‪0.82‬‬ ‫‪0.52‬‬ ‫‪0.85‬‬ ‫‪0.80‬‬ ‫هارجريفس – سامين املعدلة‬

‫‪0.93‬‬ ‫‪0.90‬‬ ‫‪0.80‬‬ ‫‪0.56‬‬ ‫‪0.47‬‬ ‫بالين – كريدل املعدلة‬

‫‪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

‫املراجع‬ ‫ إال أن اســتخدام‬.‫قليلــة بحيــث تكــون متوفــرة ومتاحــة‬

1. Alexandris, S., Kerkides, P., and Liakatas, A. 2006. Daily ‫هــذه املعــادالت التجريبيــة يكــون يف الغالــب عــى‬
reference evapotranspiration estimates by the “Co-
‫ حيــث تتفــاوت‬،‫حســاب درجــة الدقــة يف التقديــر‬
pais” approach. Agricultural Water Management. 82:
371-386. ‫ ويف هــذه الدراســة تــم‬،‫هــذه املعــادالت يف مــدى دقتهــا‬
2. Allen. R.G., Pereira L. S., Raes D. and Smith M. 1998. ‫اســتخدام الشــبكات العصبيــة االصطناعيــة مــن أجــل‬
FAO Irrigation and Drainage Paper, No. 56.Food and
Agriculture Organization. Rome, pp. 300. ‫حتســن تقديــر البخرنتــح قيــايس باســتخدام بيانــات‬
3. Arca, B., Benincasa, F., Vincenzi, M. de., and Ventura, ‫متوســط درجــات احلــرارة والرطوبــة النســبية واإلشــعاع‬
A. 1998. Neural networks for simulation of evapora-
tion from class- A pan. Irrigazione e Drenaggio. 45(1):
‫ ومتــت مقارنتهــا‬،‫الشــميس لتقديــر البخرنتــح املرجعــي‬
55-60. – ‫بقيــم البخرنتــح املرجعــي املحســوب طريقــة بــاين‬
4. Arca, B., Pellizzaro, G., Canu, A. and Vargiu, A. 2004.
‫ حيــث‬،‫ ســاين‬- ‫كريــدل املعدلــة وطريقــة هارجريفــس‬
Use of Neural Networks to short- term forecast of
airborne pollen data. 16th Biometeorology and Aer- ‫اســتعملت البيانــات املتوفــرة مــن حمطــة األرصــاد ملدينــة‬
obiolog. American Meteorological Society. Vancouver,
‫ وقــد أظهــرت النتائــج أنــه باالعتــاد عــى طريقــة‬.‫رست‬
BC. 1-13
5. Chowdhary, A., and Shrivastava, R. K. 2010. Reference ‫بنــان مونتيــت املعدلــة كطريقــة قياســية لتقديــر البخرنتح‬
crop evapotranspiration estimation using Artificial ‫ إن طريقــة بــاين – كريــدل املعدلــة كانــت‬،‫املرجعــي‬
Neural Networks. International Journal of Engineering
Science and Technology. 2(9): 4205-4212. ‫ أوضحــت‬.‫ ســاين‬- ‫أكثــر دقــة مــن طريقــة هارجريفــس‬
6. Demuth, H., and Beale, M. 1998. Neural network ‫النتائــج أن نمــوذج الشــبكات العصبيــة االصطناعيــة‬
toolbox for use with MATLAB. The Math Works Inc.
‫الــذي تــم تطويــره يف هــذه الدراســة أظهــر دقــة وقابليــة‬
Natick., Mass,pp. 422.
7. Doorenbos, J., and Pruitt W.O. 1977. Guidelines for ‫عاليــة للتنبــؤ بالبخرنتــح املرجعــي وذلــك مقارنــة‬
predicting crop water requirements. FAO Irrigation - ‫بطريقتــي بــاين – كريــدل املعدلــة وهارجريفــس‬
and Drainage Paper. No. 24. Food and Agriculture
Organization. Rome, pp. 156. ‫ تــويص الدراســة باختبــار نمــوذج الشــبكات‬.‫ســاين‬
8. Dowla, F.U., and Rogers L. L. 1995. Solving problems ‫العصبيــة االصطناعيــة عــى بيانــات مناخيــة جممعــة‬
in environmental engineering and geoscience with
artificial neural networks, The MIT Press., Cambridge,
‫ وباســتخدام متغــرات مناخيــة متاحــة‬،‫مــن كامــل ليبيــا‬
pp. 310. ‫بحيــث يمكــن تطويــر نمــوذج فعــال يمكــن اســتخدامه‬
9. Ekhmaj A.I. 2012. Prediction of Evapotranspiration
.‫وبدقــة عاليــة يف كل املناطــق بليبيــا‬
using Artificial Neural Networks Model. Buhri Arifin,
Siti Nur`Afifah Jaafar and Sayed Mohamed.Universiti
Malaysia Terengganu.Terengganu, Malaysia. 937- 943.
10. Food and Agricultural Organization(FAO). 2000. Crop-
Wat 8.0 for Windows, Food and Agriculture Organiza-
tion. Rome, Italy. Software.
11. Fontenot, R. L. 2004. An evaluation of reference evap-
otranspiration models in Louisiana. Master Thesis,
Louisiana State University. Louisiana State, USA.
12. French, M. N., Krajewski, W. F., and Cuykendall, R. R.
1992. Rainfall forecasting in space and time using a

12
 ‫تقدير البخرنتح املرجعي باستخدام الشبكات العصبية االصطناعية‬
23. Patterson, D.W.1996. Artificial Neural Networks: the-
ory and applications, Simon and Schuster., Singapore,
pp. 477.
24. Schultz, A., Wieland, R. and Baumann, A. 1995. The
use of neural networks in agroecological modelling.
IFAC. Elsevier Science and Technology. Wageningen.
55-60.
25. Shukla, M. B., Kok, R., Prasher, S. O., Clark, G., and
Larcroix, R. 1996. Use of artificial neural network in
transient drainage design. Transactions of the ASAE.
39(1):119–124.
26. Smith, M.1992. Report on the expert consultation on
revision of FAO methodologies for crop water require-
ments. Food Agriculture Organization. Rome, pp.54
27. Sudheer, K. P., Gosain, A. K., and Ramasastri, K. S.
2003. Estimating actual evapotranspiration from lim-
ited climatic data using Neural Computing Technique.
Journal of Irrigation and Drainage Engineering. 129(3):
214-218.
28. Ventura, F., Spano, D., Duce, P., and Snyder, R. L. 1999.
An evaluation of common evapotranspiration equa-
tions. Irrigation Sciences.18:163–170.
29. Wang, Y. M., Traore, S., and Kerh, T. 2008. Neural Net-
work approach for estimating reference evapotran-
spiration from limited climatic data in Burkina Faso.
Wseas Teansactions on Computers. 6(7): 704-713.
30. Yang, C., Prasher, S., Sreekanth, S., Patni, N. K., and
Masse, L. 1997. An artificial neural network for sim-
ulating pesticide concentration in soil. Transactions of
the ASAE. 40:1285–1294.
31. Yang, C., Larcroix, R., and Prasher, S. O. 1996. Applica-
tion of artificial neural network to land drainage engi-
neering. Transactions of the ASAE. 39: 525–533.
32. Zanetti, S. S., Sousa, E. F., Oliveira, V. P., Almeida, F. T.,
and Bernardo, S. 2007. Estimating evapotranspiration
using Artificial Neural Network and minimum climato-
logical data. Journal of Irrigation and Drainage Engi-
neering. 133(2): 83-89.
13
neural network. Journal of Hydrology. 137(1-4):1-31.
13. George, B.A., Reddy, B. R. S., Raghuwanshi, N. S., and
Wallender, W. W. 2002. Decision support system for
estimating reference evapotranspiration. Journal of
Irrigation and Drainage Engineering. 128:1-10.
14. Georgiou, P.E., and Papamichail, D.M. 2008. Optimiza-
tion model of an irrigation reservoir for water alloca-
tion and crop planning under various weather condi-
tions. Irrigation Science. 26: 487-504.Grazhdanis. and
Ahmeti, A. 2010. Estimating reference evapotranspi-
ration using two different models of Penman-Monte-
ith method for climatic conditions of Albania. Balwos
2010, Artificial Intelligence in Agriculture. Ohrid, Re-
public of Macedonia.1-11.
15. Hargreaves, G.H., and Samani, Z. A. 1985. Reference
crop evapotranspiration from temperature. Applied
Engineering in Agriculture. 1(2): 96-99.
16. Jensen, M. E., Burman, R. D. and Allen, R. G. 1990.
Evapotranspiration and irrigation water requirements,
ASCE Manuals and Reports on Engineering Practice n°
70., New York, pp. 332.
17. Jensen, D.T., Hargreaves, G.H., Temesgen, B., and Al-
len, R.G. 1997. Computation of ETo under nonideal
conditions. Journal of Irrigation and Drainage Engi-
neering.123(5): 394 - 400.
18. Kumar. M., Raghuwanshi, N., Singh, S. R., Wallender,
W. W., and Pruitt, W. O. 2002. Estimating evapotran-
spiration using Artificial Neural Network. Journal of
Irrigation and Drainage Engineering. 128(4): 224-233.
19. Lee, T. S., Najim, M. M., and Aminul, M. H. 2004. Es-
timating evapotranspiration of irrigated rice at the
West coast of the Peninsular of Malaysia. Journal of
Applied Irrigation Science. 39: 103-117.
20. Nandagiri, L., and Kovoo, G. R. 2006. Performance
evaluation of reference evapotranspiration equations
across a range of Indian climates. Journal of Irrigation
and Drainage Engineering.132(3): 238-249.
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.
 Estimation of the Reference Evapotranspiration in Sirt Region
Using an Artificial Neural Networks

Ahmed Ibrahim Ekhmaj1, Mustafa ben Zagta2, Younes Daw Ezlit1

and Abubaker Mohamed Shaghleb 1
1. Department of Soil and Water - Faculty of Agriculture - University of Tripoli, Libya
2. Faculty of Agriculture - University of Sirt - Libya

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.

Key words: Reference evapotranspiration, artificial neural networks, penman-montheith,

hargreaves-samani, blany-criddle, Sirt.

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