موسی نظری - دانشجو دکتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران
سعید پاشازاده - استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

تخمین قدرت تبخیر جو به سبب تاثیر عناصر هواشناسی در محاسبه تبخیر دارای روابط غیرخطی ومحاسبات پیچیده می باشد. از این رو شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیرخطی ابزار مناسبی جهت تخمین تبخیر محسوب می شوند. فرآیند آموزش یکی ازچالش های اصلی در استفاده از شبکه های عصبی مصنوعی می باشد. روش های مبتنی بر گرادیان نزولی از مشهورترین روش های یادگیری وزن های شبکهعصبی می باشند. سرعت پایین همگرائی و همچنین قرار گرفتن در کمینه های محلی، دو مشکل اساسی در استفاده از این روش ها برای تعیین وزن هایشبکه است. در این مقاله، الگوریتم ژنتیک و الگوریتم رقابت استعماری در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو پیشنهاد شده است. نتایج بدست آمده از روش های پیشنهادی برروی داده های تبخیر 20 سال از منطقه تبریز نشان دهنده کارائی و همگرائی بهتر در مقایسه با شبکه های عصبی مصنوعی را بیان می کند

شبکه های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم رقابت استعماری، قدرت تبخیر جو