علی کولائیان - دانشجوی کارشناسی ارشد آبیاری و زهکشی ، دانشگاه علوم کشاورزی و منابع طبیعی ساری
محمدعلی غلامی سفیدکوهی - استادیار گروه مهندسی آب،دانشگاه علوم کشاورزی و منابع طبیعی ساری
میرخالق ضیاتباراحمدی - استاد گروه مهندسی آب، دانشگاه محلوم کشاورزی و منابع طبیعی ساری

تبخیر و تعرق گیاه مرجع ETO یکی از پارامترهای کلیدی در مطالعات هیدرولوژی و مدیریت منابع آب می باشد، از این رو روش های مختلفی برای برآوردETO پیشنهاد شده است. در مطالعه حاضر به منظور دستیابی به تخمین میزان تبخیر و تعرق گیاه مرجع، از روش رگرسیون چند متغیره(MLR) و روش های نوین هوش مصنوعی شامل، شبکه عصبی پرسپترون چند لایه ( MLR ‏) ‏و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS ‏) استفاده شده است. نتایج پژوهش نشان می دهد، زمانی که از 4 ‏پارامتر برای ورودی مدل استفاده شود، مدل های شبکه عصبی (MLP ‏) و رگرسیونی MLP از دقت و کارایی بالاتری در شبیه سازی تبخیر و تعرق گیاه مرجع برخوردارند در حالیکه با کاهش پارامتر ورودی به 3 ‏و کمتر، مدل شبکه عصبیANFIS ‏در مقایسه با دو مدل دیگر دارای دقت بیشتری در برآورد این پارامتر مهم اقلیمی می باشد.

تبخیر تعرق مرجع، رگرسیون چند متغیر.، شبکه عصبیMLP، سیستم استنتاج فازی- عصبی