پیش بینی تبخیر-تعرق مرجع روزانه با استفاده از مدل شبکه عصبی مصنوعی و مدل درختی M5 (مطالعه موردی: ایستگاه بناب)

تبخیر- تعرق به عنوان یکی از اجزا مهم چرخه هیدرولوژیک نقش بسیار بزرگی در بررسی بیلان حوضه های آبریز دارد. در محاسبه نیاز آبی گیاهان و حجم تبخیر- تعرق، ابتدا مقدار تبخیر- تعرق مرجع (ET0) محاسبه و سپس توسط آن و با استفاده از روش های مختلف، تبخیر-تعرق برای هر نوع گیاهی محاسبه می شود. در این تحقیق جهت برآوردی دقیق از مقدار تبخیر- تعرق مرجع روزانه در منطقه بناب استان آذربایجان شرقی ابتدا براساس یک روش استاندارد و متداول فائو- پنمن- مونتیث و داده های هواشناسی ایستگاه بناب مقدار تبخیر- تعرق مرجع ET0محاسبه و سپس با ارائه سناریوهای مختلفی از ترکیب پارامترهای هواشناسی شامل میانگین، حداقل و حداکثر دما، میانگین، حداقل و حداکثر رطوبت نسبی، بارش، سرعت باد و ساعات آفتابی به عنوان ورودی مدل شبکه های عصبی مصنوعی پرسپترون چندلایه انتشار خطا به عقب و مدل درختی M5 در مقیاس زمانی روزانه سعی در برآورد دقیق تری از تبخیر-تعرق مرجع به عنوان خروجی مدل شده است. نتایج حاصل از بررسی های فوق نشان می دهد که گرچه روش شبکه عصبی مصنوعی با اختلاف خیلی کمی در مقایسه با روش M5 پیش بینی نسبتا دقیق تری از میزان تبخیر-تعرق مرجع ارائه می کند، اما روش M5 روابط ساده خطی، قابل فهم تر و کاربردی تری برای پیش بینی تبخیر-تعرق ارائه می کند.