الهه ذرتی پور - دانشجوی کارشناسی ارشد آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
لمیا نیسی - دانشجوی دکتری آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
منا گلابی - استادیار / گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
اعظم بزاز - دانشجوی کارشناسی ارشد آبیاری و زهکشی/ دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
امین ذرتی پور - استادیار / گروه مهندسی طبیعت، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان.

تخمین صحیح تبخیر و تعرق در طراحی، مدیریت سیستم های آبیاری و زهکشی از اهمیت زیادی برخوردار است. یکی از روش های تخمین تبخیر و تعرق، که در حل این مسائل و پیش بینی آن کاربرد زیادی دارد، روش های نروفازی (ANFIS)، شبکه های عصبی مصنوعی (ANNs) و درخت تصمیم گیری M۵ می باشند. هدف از این تحقیق، بررسی کارایی روش های مذکور در برآورد تبخیر و تعرق مرجع در ایستگاه هواشناسی شیراز می باشد، بدین منظور داده های هواشناسی روزانه ۵ ساله ایستگاه مذکور به عنوان ورودی مدل ها انتخاب شدند. برای اجرای مدل شبکه عصبی مصنوعی، مدل نرو فازی و درخت تصمیم گیری M۵ به ترتیب از نرم افزارهای Qnet۲۰۰۰، MATLAB و WEKAاستفاده گردید. جهت ارزیابی نتایج مدل های ذکر شده ریشه میانگین مربعات خطا (RMSE)، ضریب تعیین (R۲) و معیار میانگین قدرمطلق خطای نسبی (MAE) استفاده شد. نتایج حاصل از مدل شبکه عصبی مصنوعی و مدل انفیس به کمک شاخص های آماری R۲، RMSEو MAEبه ترتیب برابر با ۹۹۹/۰ ، ۰۰۰۹/۰و ۰۰۰۰۰۱۳۹/۰- و ۹۹۹/۰، ۰۰۱۸۵۵/۰و ۰۰۱۱۹/۰- به دست آمد، که نشان از دقت بالای هر دو مدل در شبیه سازی دارد. هم چنین مقدار ضریب همبستگیR۲ ،RMSE و MAE مدل درخت تصمیم گیری بترتیب برابر ۷۱۷/۰ ، ۱۰۸۸/۰ و ۰۳۸۷/۰ محاسبه شدند که نشان دهنده ی کارایی مناسب مدل درختی M۵ در پیش بینی میزان تبخیر و تعرق مرجع است.

تبخیر و تعرق گیاه مرجع, درخت تصمیم گیری, شبکه عصبی فازی, شبکه عصبی مصنوعی