برآورد تبخیر - تعرق گیاه مرجع با استفاده از شبکه عصبی مصنوعی تحت شرایط کمبود داده ها ی اقلیمی(مطالعه موردی: ایستگاه سینوپتیک مشهد)

برآورد تبخیر- تعرق گیاه مرجع(ETO) در مورادی از قبیل برنامه ریزی آبیاری، توازن هیدرولوژیکی، طراحی و مدیریت سیستم های آبیاری و پیش بینی میزان عملکرد محصول ضروری است. تعداد زیاد پارامترهای مؤثر در برآورد تبخیر- تعرق گیاه مرجع و از طرفی عدم اندازه گیری برخی از این پارامترها در بعضی ایستگاه ها، سبب گردیده است که امکان برآورد دقیق آن در مناطق مذکور میسر نباشد. در این مقاله، امکان کاربرد شبکه عصبی مصنوعی(ANN) در برآورد تبخیر- تعرق گیاه مرجع در شرایط کمبود داده های اقلیمی مورد بررسی قرار گرفته است. بدین منظور از داده های ماهانه دمای کمینه، دمای بیشینه، رطوبت نسبی متوسط، سرعت باد، ساعات آفتابی ایستگاه سینوپتیک مشهد طی دوره آماری 1951 تا 2005، به عنوان ورودی مدل جهت آموزش شبکه عصبی استفاده گردید. همچنین از روش فائو پنمن مونتیث 56 جهت برآورد تبخیر- تعرق گیاه مرجع و به دست آوردن خروجی مدل استفاده شد. در این مقاله، شبکه عصبی پرسپترون چند لایه(MLP) با قانون آموزش پس انتشار خطا به کار گرفته شد. نتایج نشان دهنده کارایی بالای شبکه عصبی مصنوعی در برآورد میزان تبخیر- تعرق گیاه مرجع در منطقه مورد مطالعه می باشد.

Keywords:

تبخیر- تعرق گیاه مرجع , شبکه عصبی پرسپترون , قانون آموزش پس انتشار خطا