سیده نعیمه سیدی - گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
رامین فضل اولی - گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
محسن مسعودیان - گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
عیسی کیاء - بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران

تبخیر یکی از مولفه های اصلی چرخه ی آب در طبیعت است که نقشی اساسی در مطالعات کشاورزی، هیدرولوژی، هواشناسی، بهره برداری از مخازن، طراحی سیستم های آبیاری و زهکشی، زمان بندی آبیاری و مدیریت منابع آب ایفا می کند. در این پژوهش ترکیبهای متنوعی از هشت متغیر هواشناسی بهعنوان ورودی مدل شبکه عصبی مصنوعی برای چهار ایستگاه هواشناسی اطراف سد شهید رجایی شهرستان ساری طی یک دوره ۱۰ساله مورد بررسی قرار گرفت. نتایج حاصل از شاخص های آماری مدل­ها، دیاگرام پراکنش و میزان تبخیر روزانه برآورد شده و مشاهداتی نشان داد که در مجموع روش شبکه عصبی توانسته است تبخیر روزانه در چهار ایستگاه مورد مطالعه را با دقت خوبی برآورد کند. با این حال بهترین ساختار مدل های شبکه عصبی برای چهار ایستگاه سلیمان تنگه، محوطه اداره ساری، فریم صحرا و تلمادره با هفت متغیر ورودی، یک لایه پنهان و به ترتیب ۱۲، ۸، ۱۰ و ۱۲ نرون برحسب معیارهای MSE و R۲ انتخاب شدند. ضریب همبستگی در ایستگاه­های سلیمان تنگه، محوطه اداره ساری، فریم صحرا و تلمادره به­ترتیب برابر با ۸۸/۰، ۹۱/۰، ۹۲/۰ و ۸۹/۰ برای داده های روزانه بهدست آمد. همچنین نتایج حاصل از شبیه سازی تبخیر ماهانه نشان داد که روش شبکه عصبی مصنوعی توانسته است با دقت خوبی تبخیر ماهانه را با ضریب همبستگی به­ترتیب ۹۸/۰، ۹۸/۰، ۹۹/۰ و ۹۹/۰ با سطح اعتماد ۹۵ درصد به­ترتیب برای ایستگاه های سلیمانتنگه، محوطه اداره ساری، فریم صحرا و تلمادره برآورد نماید.

تبخیر روزانه, تبخیر ماهانه, تشت تبخیر, ساختار مدل, سلیمانتنگه