برآورد تبخیر از سطح خاک لخت با استفاده از شبکه عصبی مصنوعی

تبخیر و تعرق یکی از مهمترین مولفه های چرخه هیدرولوژیکی است که بر مدیریت منابع آب کشاورزی و ارزیابی بازده آبی تاثیر مستقیم دارد. این مقاله به بررسی مدل سازی تبخیر و تعرق لایسیمتری از سطح خاک لخت با استفاده از شبکه عصبی مصنوعی (ANN) می پردازد. هدف اصلی ارائه چارچوبی دقیق برای تخمین تبخیر و تعرق لایسیمتری (ETL) با هشت ورودی شامل تبخیر، تشتک بافت خاک، چگالی ظاهری، تخلخل، رطوبت اولیه و باقیمانده محیطی است. داده های آزمایشگاهی از نتایج مدل ANN با تقسیم بندی به مجموعه های آموزش، آزمون و کل داده ها استخراج شده اند. شاخص های آماری متنوعی از قبیل MAE، NRMSE، RMSE و CRM ارزیابی شده اند. تحلیل خطا شامل نمودارهای پیش بینی در برابر مشاهده، نمودارهای باقیمانده و ارزیابی دقت مدل در سه مجموعه، یادگیری، آزمون و کل داده ها است. نتایج تحقیق نشان داد که چگونه با تنظیم اتصالات شبکه، توابع فعال سازی و روش های بهینه سازی، دقت مدل بهبود می یابد. همچنین نتایج نشان دادند که ورودی ششم بهترین عملکرد کلی را داشته و در داده های لایسیمتری با ۰.۵۵۵۸=R۲ و %۱۶.۵۲=NRMSE دقیق ترین پیش بینی را ارائه داد. در مرحله آموزش نیز همراه با ورودی پنجم بالاترین دقت و خطای میانگین پایین را ثبت کرد، هرچند در تست کاهش دقت و نشانه هایی از overfitting مشاهده شد. توسعه و به کارگیری مدل های شبکه عصبی مصنوعی برای برآورد تبخیر از سطح خاک لخت با رویکرد استفاده از ورودی های دقیق و تنوع اقلیمی می تواند به عنوان ابزاری عملی برای بهینه سازی مدیریت آب کشاورزی و افزایش بهره وری منابع آبی مورد استفاده قرار گیرد.

Keywords:

تبخیر و تعرق لایسیمتر , شبکه عصبی مصنوعی , MATLAB , مدل سازی