نسرین فتح اله زاده عطار - دانش آموخته دکتری مهندسی منابع آب، دانشگاه ارومیه
کیوان خلیلی - استادیار گروه مهندسی آب، دانشگاه ارومیه،
جواد بهمنش - استاد گروه مهندسی آب، دانشگاه ارومیه

میزان تبخیر از تشت یکی از عوامل بسیار مهم در برنامه ریزی های منابع آب، مدیریت آبیاری و تولیدات زراعی می باشد. با توجه به پیامدهای جهانی تغییر اقلیم و پیش بینی این پیامد، مدل سازی متغیرهای هواشناسی از جمله تبخیر از تشت حایز اهمیت است .در این تحقیق، از داده های 9 سینوپتیک ایران شامل ایستگاه های کرمان، ارومیه، شهرکرد، سنندج، تهران، ایلام، گرگان، اهواز و بندرعباس برای توسعه مدل ها استفاده شد.با استفاده از شبکه های عصبی ANN1 ، ANN2 ، ANN3 ، ANN4 و ANN5 ، بهترین مدل از بین مدلهای تولیدی با مدل غیرخطی STAR ترکیب شده، ارزیابی بین مدل ها را با سه روش 2R ، MAE ، RMSE انجام شد و بر طبق نتایج به دست آمده، STAR-ANN5 برترین مدل و بهترین ترکیب از روش شبکه عصبی و خانواده تار انتخاب شد به دست آمد و ایستگاه های اهواز، کرمان و بندرعباس به ترتیب با داشتن 0/953، 0/946، 0/945 بالاترین ضریب همبستگی را با داده های مشاهداتی داشتند و همچنین ایستگاه های ایلام، شهرکرد و گرگان با داشتن 0/891، 0/886، 0/818 دارای پایین ترین ضریب همبستگی با داده های مدل شده بودند

تبخیر از تشت، مدیریت آبیاری، روش های تلفیقی، سری زمانی، شبکه عصبی