Ali Akbar swsabzi@basu.ac.ir - دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
Mojtaba Shadmani - کارشناس ارشد مهندسی آبیاری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

در این تحقیق کارایی روش های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک مورد ارزیابی قرار گرفت. بدین منظور از آمار ۱۰ ساله مربوط به اندازه گیری روزانه تبخیر از تشت استفاده شد. با توجه به کمبود داده های لایسیمتری، به منظور محاسبه میزان تبخیر و تعرق مرجع، از روش استاندارد پنمن مانتیت- فائو ۵۶ استفاده شد. در دو روش شبکه عصبی مصنوعی و عصبی- فازی مقادیر سرعت باد، رطوبت نسبی هوا و طول سبزینگی، درحکم متغیرهای ورودی و ضریب تشت که با استفاده از روش پنمن مانتیت- فائو ۵۶ محاسبه شده بود، درحکم متغیر خروجی به کار گرفته شد. برای ارزیابی کارایی هریک از روش های به کار رفته از ضریب تعیین، جذر میانگین مربعات خطا و میانگین خطای مطلق استفاده شد. نتایج این تحقیق روشن ساخت که روش عصبی- فازی (ANFIS) نسبت به روش های دیگر نتایج بهتری در برآورد ضریب تشت و تبخیر و تعرق مرجع به دست می دهد. از بین روش های تجربی برآورد ضریب تشت، روش های کوینکا و اشنایدر بعد از روش های شبکه عصبی در برآورد ضریب تشت در اقلیم های گرم و خشک توصیه می شود.

اقلیم گرم, تبخیر و تعرق مرجع, شبکه عصبی- فازی تطبیقی, شبکه عصبی مصنوعی, ضریب تشت