مقایسهی رگرسیون غیرخطی و شبکهی عصبی مصنوعی در برآورد تبخیر روزانه از تشت تبخیر کلاس A در یک منطقه ی خشک

فرایند تبخیر، یکی از مؤلفه های اصلی چرخه ی هیدرولوژیکی میباشد که نقش حیاتی در مطالعات برنامه ریزی، طراحی، اجرا و مدیریت منابع آب شامل هیدرولوژی، زراعت، مدیریت آبیاری، پیش بینی جریان رودخانه ایفا مینماید. هدف از این تحقیق، ارزیابی کارایی شبکه های عصبی مصنوعی و رگرسیون غیرخطی در برآورد تبخیر روزانه از تشت کلاس A در یک منطقه ی خشک میباشد. پارامترهای دمای هوا، رطوبت نسبی، سرعت باد در ارتفاع ۲ متری، فشار هوا و تابش خالص خورشیدی بعنوان ورودی شبکه ی عصبی مصنوعی و رگرسیون غیرخطی انتخاب گردید. برای انتخاب بهترین مدل شبکه ی عصبی و رگرسیون غیرخطی از معیارهای ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق استفاده شده است. نتایج بدست آمده نشان میدهد که شبکه عصبی مصنوعی و رگرسیون غیرخطی ابزار مناسبی برای مدلسازی تبخیر از تشت می باشند . بطورکلی روش شبکه ی عصبی مصنوعی نسبت به رگرسیون غیرخطی نتایج بهتری را ارائه داده است.

کلیدواژه ها:

تبخیر ، تشت کلاس A ، شبکه ی عصبی مصنوعی ، رگرسیون غیرخطی