روفیا امیدی - دانشجوی کارشناسی ارشد منابع آب دانشگاه شهید چمران اهواز
فریدون رادمنش - استادیار دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

تبخیر و تعرق به عنوان یکی از عمده ترین اجزا چرخه هیدرولوژیکی ، در مطالعات ، طراحی و مدیریت سیستم های آبیاریاهمیت فراوان دارد. لکن تعداد پارامترهای مورد نیاز در محاسبه تبخیر و تعرق از یکسو و عدم صحیح اندازه گیری برخیپارامترها از سوی دیگر سبب گردیده که تخمین درست این پارامتر در برخی نقاط با مشکلاتی روبرو باشد . هدف از این مطالعه ارزیابی عملکرد شبکه عصبی مصنوعی در براورد تبخی ر و تعرق پتانسی ل و مقایسه ان با روش تجربی پنمن مانتیس دربروجرد میباشد. برای این منظور از شبکه های پرسپترون چند لایه ، قانون یادگیری پس انتشار خطا و داده های هواشناسی ایستگاه سینوپتیک بروجرد ، طی یک دوره آماری 10 ساله استفاده شد. بر این اساس با استفاده از معیارهای (MAE, RMSE, R(2 بهترین مدل شبکه عصبی در این منطقه Multilayer perception انتخاب گردید و مشخص گردید که شبکه عصبی مصنوعی در شرایط فقدان اطلاعات کافی ،راهکار مناسبتری نسبت به روش تجربی پنمن مانتیس می باشد.

شبکه عصبی، پنمن مانتیس ، پرسپترون، تبخیر وتعرق