میلاد علیزاده جبه دار - دانشجوی کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشکده کشاورزی دانشگاه تبریز، تبریز، ایران
علیرضا زارعی قورخودی - دانشجوی کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشکده مهندسی زراعی دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
محمدرضا پری پور - دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران

تبخیر از مهمترین مولفه های موثر در چرخه هیدرولوژی می باشد که برآورد دقیق آن از اهمیت فراوانی در بحثمدیریت منابع آب برخوردار است. در این راستا، تحقیق حاضر با هدف ارزیابی دو مدل هوشمند سیستم استنتاجفازی عصبی تطبیقی (ANFIS) و برنامه ریزی بیان ژن (GEP) در تخمین مقادیر تبخیر از تشت انجام گرفت. بهاین جهت، از داده های هواشناسی روزانه تبخیر، رطوبت نسبی، دما، ساعات آفتابی، سرعت باد و تابش خورشیدیایستگاه سینوپتیک تبریز در بازه زمانی نه ساله (۲۰۱۸-۲۰۱۰) استفاده گردید. دقت مدل های مورد مطالعه با استفادهاز شاخص های آماری جذر میانگین مربعات خطا، میانگین خطای مطلق و ضریب همبستگی مورد بررسی قرارگرفت. نتایج حاصل از این تحقیق نشان داد که سناریوی چهارم مدل ANFIS به ترتیب با دارا بودن خطای۱۱/۹۵۳ و ۱/۵۲۸ با پارامترهای ورودی دما، ساعات آفتابی، رطوبت نسبی و سرعت باد به عنوان بهترین مدل وسناریوی اول مدل GEP با دارا بودن خطای ۲/۱۴۴ و ۱/۶۷۹ با پارامتر ورودی دما، با قبول اندکی خطا به عنوانبهینه ترین مدل در تخمین تبخیر از تشت در ایستگاه سینوپتیک تبریز در زمان فقدان دیگر داده های هواشناسیپیشنهاد می گردد. همچنین نتایج نشان داد پارامترهای دما و سرعت باد بیشترین تاثیر را در برآورد دقیق تبخیر ازتشت دارد.

تبخیر از تشت، مدیریت منابع آب، GEP ،ANFIS