تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی پرسپترون

تبخیر یکی از جمله پارامترهای مهم در هیدرولوژی و مهندسی منابع آب است که مورد توجه محققان قرار دارد. به دلیل تاثیر متقابل پارامترهای مختلف هواشناسی در محاسبه تبخیر، روابطی غیرخطی برای تخمین مقدار آن وجود دارد که از دقت بالایی برخوردار نیستند. شبکه های عصبی مصنوعی از جمله روش های نوین می باشد که برای تخمین و پیش بینی پارامترها با استفاده از ارتباط ذاتی بین داده ها توسعه یافته است. در این پژوهش، با استفاده از آمار روزانه هواشناسی ایستگاه هاشم آباد گرگان به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه، تابع پایه شعاعی و شبکه عصبی المانی پرداخته شد. ترکیب های مختلف پارامترهای درجه حرارت هوا، رطوبت نسبی، سرعت باد، ساعات آفتابی به عنوان ورودی های شبکه و تبخیر روزانه از تشت تبخیر به عنوان خروجی شبکه در نظر گرفته شد. همچنین با استفاده از فرمول های تجربی، میزان تبخیر محاسبه شده و با نتایج به دست آمده از شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. به منظور بررسی تاثیر پارامترهای ورودی در تخمین تبخیر از آنالیز حساسیت استفاده گردید. نتایج نشان داد که پارامترهای دما و سرعت باد به ترتیب بیشترین و کمترین تاثیر را در تخمین مقدار تبخیر از تشتک دارا می باشند. همچنین شبکه های عصبی مصنوعی از دقت بالاتری برای تخمین تبخیر روزانه نسبت به روش های تجربی موجود برخوردارند.