مهدی مفتاح هلقی - استادیار گروه مهندسی آب. دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی پیری - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه علوم کشاورزی و منابع
موسی حسام - استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی - استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

تبخیر از جمله مسائلی مهم در هیدرولوژی و مهندسی منابع آب است که مورد توجه محققین قرار دارد. به دلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه تبخیر، روابطی غیر خطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند. سیستم استنتاج فازی- عصبی تطبیقی، از جمله روشهای نوین است که برای تخمین و پی شبینی پارامترها با استفاده از ارتباط ذاتی بین داده ها توسعه یافته است. در این تحقیق،یک سامانهی استنتاج فازی- عصبی تطبیقی ANFIS از نوع سوگنو با کمک الگوریتم آموزش هیبرید (تلفیق الگوریتم مربع خطا و گرادیان نزولی انتشار بازگشتی)، با استفاده از آمار روزانه هواشناسی ایستگاه گنبد آموزش داده شد. پارامترهای 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. نتایج نشان م یدهد سیستم فازی- عصبی، دارای دقت خوبی در تخمین میزان تبخیر روزانه از تشت تبخیر میباشد

تبخیر، ANFIS، هیبرید، سوگنو، سیستم فازی- عصبی