علیرضا صادقی حصار - دانشگاه آزاد اسلامی واحد مشهد
حمید طباطبایی یزدی - دانشگاه آزاد اسلامی واحد قوچان
مهرداد جلالی - دانشگاه آزاد مشهد

پدیده تبخیر یکی ازمولفه های اقلیمی تاثیرگذاردرمدیریت منابع آب می باشد و برآورد ان درمقیاس های زمانی مختلف به عنوان یکی از مهمترین پارامترهای جوی از اهمیت ویژه ای درکشاورزی برخوردار است دراین مقاله از شبکه های باوربیزی به عنوان یک روش مدلسازی غیرخطی برای ارایه یک روش براورد تبخیر تحت عدم قطعیت استفاده شده است مطالعه موردی برآورد تبخیر آب های سطحی خلیج فارس و داده های ما مشاهدات ثبت شده ایستگاه های سینوپتیک واقع دراستان هرمزگان و بوشهر دربازه زمانی 2005-1985 می باشد دراین مقاله ابتدا با استفادها ز الگوریتم جستجوی K2 به عنوان یک روش یادگیری ساختاری ا متیازگر شبکه بیزی بدست آمد و سپس با نرم افزارNetica میزان تبخیر روزانه اندازه گیری شد خروجی روش ارایه شده نشان میدهد که این مدل ازدقت و قابلیت اطمینان بیشتری نسبت به روشهای خطی موجود برخوردار است.

تبخیر - خلیج فارس - شبکه های باوربیزی - یادگیری ساختاری - Netica