بررسی قابلیت شبکه عصبی مصنوعی در شبیه سازی تبخیر و تعرق گیاه مرجع (مطالعه موردی؛ ایستگاه هواشناسی شیراز)

در سالهای اخیر یکی از روشهایی ، که در علوم مختلف بسیار به کار گرفته شده، روشهای شبکه های عصبی مصنوعی میباشند . با توجه به اهمیت تبخیر و تعرق به عنوان یکی از پارامترهای معادله بیلان، در تحقیق حاضر قابلیت شبکه عصبی مصنوعی در برآورد میزان تبخیر و تعرق مرجع روزانه، با استفاده از شبکه عصبی مصنوعی مورد بررسی قرار گرفت. بدین منظور از داده های هواشناسی روزانه ایستگاه شیراز از سال 1334 تا 1387 استفاده گردید. 70 درصد داده ها جهت آموزش و30درصد داده ها برای صحت سنجی استفاده شد. نتایج مرحله آموزش مدل نشان داد که ترکیب توابع انتقال پنهان و خروجی تانژانت هیپربولیک با 5 گره ورودی شامل بیشینه دما، کمینه دما، میانگین دمای روزانه، ساعات آفتابی و میانگین دمای نقطه شبنم، بهترین معماری مدل میباشد. سپس با استفاده از بهترین معماری مرحله آموزش2صحت سنجی انجام شد. مقایسه مقادیر شبیه سازی شده توسط مدل و مقادیر موجود نشاندهنده توانایی مناسب مدل(=0/99 و(RMSE=0/0009 در برآورد تبخیر و تعرق مرجع در منطقه مورد مطالعه می باشد، آنالیز حساسیت مدل نشان داد که ساعات آفتابی بیشترین تاثیرگذاری را بر تبخیر و تعرق مرجع دارد.

کلیدواژه ها:

تبخیر و تعرق گیاه مرجع ، شبکه عصبی مصنوعی ، Qnet2000