روح الله کاظمی آرپناهی - کارشناس منابع آب سازمان آب و برق خوزستان
فریدون رادمنش - هیئت علمی دانشگاه شهیدچمران اهواز

شبکه های عصبی مصنوعی ازجمله روشهای نوین می باشد که برای تخمین و پیش بینی پارامترها بااستفاده ازارتباط ذاتی بین داده ها توسعه یافته است دراین مقاله بااستفاده ازالگوریتم شبکه عصبی پرسپترون چندلایه MLP و شبکه عصبی تابع پایه شعاعی RBFN و نیز مدل همبستگی چندگانه و بافرض خطی بودن تبخیر ازتشتک برای مدلسازی سیستم غیرخطی تبخیر ازتشتک و بابهره گیری ازامارایستگاه تبخیرسنجی منطقه موردمطالعه میزان تبخیر ازتشتک پیش بینی شده است پارامترهای ورودی به مدلها عبارتندازمقادیر روزانه دمای متوسط سرعت باد متوسط رطوبت نسبی مدت تابش ارتفاع باران دربازه سالهای اماری 1382 تا 1384 تعدادبهینه گره های لایه میانی بااستفاده ازروش سعی و خطا مشخص گردیده و عملکرد مدلهای توسعه یافته براساس پارامترهای مختلف خطا مورد سنجش قرارگرفتند که نتایج بیانگر توانایی مناسب دوالگوریتم درپیش بینی میزان تبخیر ازتشتک می باشد حال آنکه الگوریتم شبکه عصبی تابع پایه شعاعی بادقت بالاتری میزان تبخیر را تخمین میزند

تبخیر ازتشتک , شبکه عصبی , پرسپترون چندلایه , تابع پایه شعاعی , مدل همبستگی چندگانه