نسرین دهقانی - دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
نادر پیرمرادیان - استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران
وحید عظیمی - دانش آموخته گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.
سمیه خان محمدی فلاح - دانشجوی کارشناسی ارشد آبیاری زهکشی، گروه مهندسی آب، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)،

تبخیر یکی از مهمترین اجزای چرخه هیدرولوژیکی است. تخمین دقیق این پارامتر در مطالعات زیادی از قبیل بیلان آبی، طراحی سیستمهای آبیاری و مدیریت بهینه منابع آب میتواند موثر واقع شود. برای برآورد میزان تبخیر میتوان از روش مستقیم یافیزیکی و یا روشهای تجربی استفاده کرد. در روش اندازهگیری مستقیم ابزار مورد نیاز برای اندازهگیری تبخیر در ایستگاههای هواشناسی نصب میگردد. در این تحقیق به منظور ارزیابی مدلهای شبکه عصبیMLP و RBFدر برآورد تبخیر ماهانه از داده-های هواشناسی ایستگاه رشت طی سالهای 1391-1372 استفاده گردید. تبخیر ماهانه با استفاده دادههای میانگین ماهانه دمامیانگین ماهانه رطوبت نسبی، مجموع ساعات آفتابی و حداکثر سرعت باد مدلسازی شد. برای مدلسازی تبخیر از روش شبکه عصبیMLP و RBF تحت 5 سناریو مجزا بهره گرفته شد. در بین سناریوهای برآورد تبخیر، سناریو 3 بر پایه مدل شبکه عصبی MLPو با ورودیهای میانگین ماهانه دما، میانگین ماهانه رطوبت نسبی و مجموع ساعات آفتابی باR2=0/925MBE=-17/ و 8 RMSE=23/13 در مرحله آزمون، بهترین مدل انتخاب شد.

تبخیر، رشت، شبکه عصبی مصنوعیRBF ،MLP