Une équipe de recherche du Centre de Développement du Bassin Supérieur de l'Euphrate réussit à modéliser l'évaporation de transpiration quotidienne dans les zones sèches (gouvernorat d'Anbar) en utilisant des applications d'intelligence artificielle.

2024-06-20

Une équipe de recherche du Centre de Développement du Bassin Supérieur de l'Euphrate - Université d'Anbar a démontré la modélisation des processus d'évapotranspiration (ET) dans la ville de Ramadi en utilisant l'une des applications de l'intelligence artificielle, les réseaux de neurones artificiels. Dr. Atheer Salim Al-Mawla, le premier chercheur de l'équipe, a déclaré que la recherche, intitulée ((Modélisation Prédictive de l'Évapotranspiration Quotidienne dans les Régions Arides Utilisant des Réseaux de Neurones Artificiels)), a été acceptée pour publication dans une revue scientifique solide indexée dans la base de données Scopus (Q2). "Le processus de détermination de l'évaporation avec une grande précision dans les terres arides est l'un des processus les plus importants dans les études hydrologiques, et il est d'une grande importance dans la gestion efficace des ressources en eau et la modélisation hydrologique, ainsi que dans la gestion des opérations d'irrigation, car ces zones sont constamment liées à la question de la rareté de l'eau." Prédire l'évaporation et la transpiration est une étape vitale vers la gestion des ressources en eau.

L'étude vise à développer un modèle de réseau de neurones artificiels pour prédire l'évaporation dans des zones arides et semi-arides telles que la région occidentale (gouvernorat d'Anbar). Des modèles RBFNN et GRNN ont été utilisés avec six données d'entrée dans cette étude. Les données d'entrée sont la température maximale, la température minimale, l'AVA, la température, l'humidité, la vitesse du vent et le rayonnement solaire, la modélisation ANN a été réalisée en utilisant MATLAB avec une fonction de transfert sigmoïde hyperbolique pour les couches d'entrée et de sortie. Plusieurs indicateurs statistiques ont été utilisés pour examiner la précision de la prédiction du modèle. Les résultats ont montré que le modèle actuel est un modèle puissant et a la capacité de prédire l'évaporation et la transpiration avec une grande précision. La supériorité du modèle GRNN est très claire par rapport au modèle RBFNN où le coefficient de détermination pour le modèle GRNN était supérieur à 96 % contre 94 % pour le modèle RBFNN et l'erreur quadratique moyenne pour le modèle GRNN était de 0,4 contre 0,52 pour le modèle RBFNN. En plus du Dr. Atheer Salim, l'équipe de recherche comprenait le Dr. Bashir Khalil et le Dr. Ahmed Saud.

Cette recherche est la troisième à être publiée cette année par l'équipe de recherche après la publication de deux autres articles de recherche en coopération avec des chercheurs du centre (Dr. Haitham Abdul Mohsen Afen et Prof. Dr. Ammar Hatem Kamel) en partenariat avec des chercheurs d'autres universités internationales.

#university_of_anbar
#Upper_Euphrates_Basin_Developing_Center