استفاده از شبکه های عصبی مصنوعی در تخمین تبخیر روزانه از تشت تبخیر

تبخیر از جمله مسائلی مهم در هیدرولوژی و مهندسی منابع آب است که مورد توجه محققین قرار دارد . به دلیل تأثیر متقابل پارامتر های مختلف هواشناسی در محاسبه تبخیر، روابطی غیر خطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند . شبکه های عصبی مصنوعی، از جمله روشهای نوین است که برای تخمین و پیش بینی پارامترها با استفاده از ارتباط ذاتی بین داده ها توسعه یافته است . در این تحقیق، با استفاده از آمار روزانه هواشناسی ایستگاه گنبد به آموزش شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه و الگوریتم پس انتشار خطا ( BP ) پرداخته می شود. پارامتر های درجه حرارت هوا، رطوبت نسبی، سرعت باد، ساعات آفتابی به عنوان ورودیهای شبکه و تبخیر روزانه از تشت تبخیر بعنوان خروجی شبکه در نظر گرفته می شود . بمنظور برر سی تأ ثیر پارامترهای ورودی در تخمین تبخیر از آنالیز حساسیت استفاده شد. نتایج نشان می دهد که پارامترهای دما و سرعت باد بترتیب بیشترین و کمترین تاثیر را در تخمین مقدار تبخیر از تشتک دارا می باشد. همچنین از شبکه عصبی مصنوعی می توان با دقت مناسبی در تخمین میزان تبخیر روزانه از تشت تبخیر استفاده نمود.

Keywords:

تبخیر روزانه , شبکه های عصبی مصنوعی , الگوریتم پس انتشار خطا , آنالیز حساسیت