کاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی

برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینه منابع آب، ضروری است. تبخیر - تعرق مولفه مهمی در توازن آب در مناطق مختلف به شمار می رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از داده های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو– پنمن– مونتیث محاسبه و مبنای کار قرار گرفت. سپس تبخیر– تعرق با استفاده از سناریوهای مختلف با پارامترهای ورودی متفاوت، با دو مدل MLP و RBF شبکه عصبی محاسبه شد. نتایج نشان دهنده برآورد تبخیر – تعرق روزانه با دقت قابل قبول (985/0RMSE= و 963/0R2= برای شبکه MLP و 537/0RMSE= و 963/0 R2=برای شبکه RBF) با استفاده از تنها سه پارامتر دمای متوسط، ساعت آفتابی و سرعت باد می باشند. همچنین با مشاهده و بررسی تمام سناریو ها می توان گفت که معادله تبخیر - تعرق نسبت به پارامترهای ساعت آفتابی، سرعت باد و دما وابستگی بیشتری دارد. گرچه هر دو شبکه MLPو RBF با دقت بسیار بالایی مقدار تبخیر – تعرق را محاسبه می کنند اما در کل دقت شبکه MLP نسبت به شبکه RBF بیشتر است.