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 میرود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول میرسد، قادر به محاسبه مهمترین جزء 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 1363 – 1390 به روش فایو– 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 RMSE=0/985) و R2=0/963 برای شبکه MLP و RMSE=0/537 و R2=0/963 برای شبکه (RBF با استفاده از تنها سه پارامتر دمای متوسط، ساعت آفتابی و سرعت باد میباشند. همچنین با مشاهده و بررسی تمام سناریوها میتوان گفت که معادله تبخیر-تعرق نسبت به پارامترهای ساعت آفتابی، سرعت باد و دما وابستگی بیشتری دارد. گرچه هر دو شبکه MLP و RBF با دقت بسیار بالایی مقدار تبخیر – تعرق را محاسبه می کنند، اما در کل دقت شبکه MLP نسبت به شبکه RBF بیشتر است.

کلیدواژه ها:

تبخیر– تعرق ، روش فایو-پنمن-مونتیث ، شبکه های عصبی مصنوعی ، دشت ارومیه