مریم صارمی - کارشناس ارشد، گروه مهندسی آب، دانشگاه رازی، کرمانشاه، ایران

اگر چه روش­های متعددی جهت محاسبه تبخیر و تعرق گیاه مرجع (ETo) وجود دارد ولی روش فائو- پنمن- مانتیث از طرف سازمان خوار و بار جهانی به عنوان روش استاندارد توصیه شده است. استفاده از این روش به دلیل نیاز به پارامترهای متعدد هواشناسی و محاسبات پیچیده مشکل می­باشد. از طرفی شبکه­های عصبی مصنوعی در چند دهه­ی اخیر برای مدل­سازی سیستم­های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده­اند. مطالعه حاضر به­منظور بررسی میزان حساسیت ETo نسبت به پارامترهای اقلیمی با استفاده از شبکه عصبی در استان لرستان صورت گرفته است. بدین منظور تبخیر و تعرق روزانه برای یک دوره ده ساله (۲۰۱۰-۲۰۰۱) به روش فائو- پنمن- مانتیث بر اساس داده­های هواشناسی روزانه از ۸ ایستگاه هواشناسی در استان لرستان محاسبه گردید. سپس یک شبکه عصبی مصنوعی با ۱۸ سناریو طراحی گردید. ترکیبات شش پارامتر هواشناسی (دمای حداکثر و حداقل، رطوبت نسبی حداقل و حداکثر، سرعت باد در ارتفاع دو متری و ساعت آفتابی روزانه) مورد نیاز برای محاسبه ETo با استفاده از فرمول پنمن مانتیث به عنوان ورودی شبکه و ETo محاسبه شده به عنوان خروجی شبکه در سناریوهای مختلف در نظر گرفته شد. نتایج حاصل از این تحقیق نشان داد که افزایش تعداد اطلاعات در لایه ورودی لزوما منجر به بهبود نتایج مدل­های هوشمند نمی­شود. در شرایط کمبود داده­های هواشناسی سناریوی شماره ۱۳ که شامل دو پارامتر دمای حداکثر و سرعت باد به عنوان ورودی شبکه بود برآوردهای معقولی در بر داشت.

تبخیر و تعرق مرجع, داده هواشناسی, شبکه عصبی مصنوعی, فائو- پنمن- مانتیث, لرستان