محبوبه توسلی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد آیت الله آملی
حمید توکلایی - عضو هیات علمی، دانشگاه آزاد اسلامی واحد آیت الله آملی
مهدی یدالهی - عضو هیات علمی، دانشگاه آزاد اسلامی واحد آیت الله آملی

تخمین قدرت تبخیر جو، به سبب تاثیر عناصر هواشناسی در محاسبه تبخیر، دارای روابط غیرخطی و محاسبات پیچیده می باشد. از این رو، شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیرخطی، ابزار مناسبی جهت تخمین تبخیر محسوب می شوند. فرآیند آموزش، یکی از چالش های اصلی در استفاده از شبکه های عصبی مصنوعی در مواجه با مسایل دنیای واقعی است. روش های مبتنی بر گرادیان نزولی از مشهورترین روش های یادگیری در تعیین وزن های شبکه عصبی می باشند. سرعت پایین همگرایی و همچنین قرار گرفتن در کمینه های محلی، دو مشکل اساسی در استفاده از این روش ها برای تعیین وزن های شبکه است. از این رو، روش های جستجو بر پایه الگوریتم تکاملی برای فایق آمدن بر مشکلات فوق مورد استفاده قرار گرفته اند. در این مقاله از الگوریتم ژنتیک و الگوریتم رقابت استعماری در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو استفاده کردیم و نتایج بدست آمده نشان دهنده کارایی و همگرایی بهتر دو روش پیشنهادی می باشد.

شبکه های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم رقابت استعماری، قدرت تبخیر جو