ارزیابی دقت شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه سیر بر اساس داده های لایسیمتری در منطقه همدان

تبخیر تعرق به عنوان یکی از مولفه های اصلی در کشاورزی، نقش قابل توجهی در مدیریت منابع آب دارا می باشد. بنابراین استفاده از یک روش دقیق یکی از مراحل اساسی در توسعه کشاورزی، بویژه در مناطق خشک و نیمه خشک می باشد. در این تحقیق به منظور تعیین دقیق تبخیر- تعرق گیاه سیر، با استفاده از اندازه گیری لایسیمتری و شبکه عصبی مصنوعی (ANN)، یک مدل مناسب بدین منظور ارائه شد. بدین منظور از داده های هواشناسی دماهای حداکثر و حداقل هوا، مقادیر رطوبت نسبی حداکثر و حداقل، سرعت باد و ساعات آفتابی روزانه در نرون های لایه ورودی استفاده گردید. اندازه گیری تبخیر-تعرق گیاه سیر به کمک چهار دستگاه لایسیمتر زهکش دار به ابعاد 2×2×2 متر مستقر در ایستگاه کلیماتولوژی دانشکده کشاورزی طی سال های 1385، 1386 و 1387 انجام شد. آماره های مجذور میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE)، انحراف معیار میانگین قدر مطلق خطا (STDMAE) و ضریب تعیین (R2)، به منظور ارزیابی روش های بکار برده شده استفاده گردید. نتایج مبین عملکرد مناسب شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا در پیش بینی تبخیر- تعرق گیاه سیر بود. نتایج نشان داد که مقادیر RMSE، MAE، STDMAE و R2 برای آرایش 1-6-6 بر پایه قانون آموزش لونبرگ مارکوات و تابع محرک سیگموئید به ترتیب 088/0 میلیمتر بر روز، 07/0 میلیمتر بر روز، 061/0 میلیمتر بر روز و 88/0 به دست آمد. نتایج نشان داد میانگین روزانه نیاز آبی گیاه سیر معادل 3/8 میلی متر از لایسیمتر و 5/6 میلی متر از شبکه عصبی به دست آمد. بطورکلی، مقایسه عملکرد شبکه ANN با مقادیر لایسیمتری نشان داد که دقت شبکه عصبی مصنوعی در حد قابل قبولی بوده است. همچنین مشخص گردید که مدل مطلوب شبکه عصبی مصنوعی در حالت تغییرات افزایشی نسبت به دمای حداکثر هوا، دارای بیشترین حساسیت و نسبت به پارامتر حداقل رطوبت نسبی، کمترین حساسیت را دارد.