بررسی عملکرد شبکه های عصبی در بر آورد تبخیر و تعرق گیاه مرجع (مطالعه موردی: ایستگاه سینوپتیک اهواز)

تبخیر و تعرق یکی از پارامترهای موثر بر بیلان آبی حوضه های آبریز و از اجزای اصلی چرخه هیدرولوژیکی محسوب می شود. به علت نیاز به برگ خریدهای اقلیمی مختلف و اثر متقابل این برگ خریدها برهم دیگر تبخیر و تعرق یک پدیده غیر خطی و پیچیده می باشد. یکی از مراحل پیچیده در مدل سازی سیستم های غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب است. در این پژوهش امکان استفاده از شبکه های MLP،MNN و FF برای تخمین تبخیر و تعرق گیاه مرجع مورد مطالعه قرار گرفته است و در این راستا از نرم افزار MATLAB کمک گرفته شد. با استفاده از سری داده های هواشناسی سال های 93 – 1377 ایستگاه اهواز، ابتدا مقادیر متوسط تبخیر و تعرق روزانه گیاه مرجع از روش استاندارد فائوپنمن مانتیث محاسبه شد، سپس با استفاده از این مقادیر به عنوان خروجی های هدف، شبکه های مختلفی با ساختارهای متعارف تعریف و آموزش داده شد. درنهایت قابلیت شبکه برای تخمین تبخیر و تعرق با استفاده از قسمتی از داده ها که در طراحی و یا آموزش شبکه استفاده نشده است، موردبررسی قرار گرفت. با بررسی ها انجام گرفته مشخص شد که تنها با استفاده از پارامتر دمای متوسط روزانه به عنوان ورودی، می توان میزان تبخیر و تعرق گیاه مرجع را با استفاده از سه نوع شبکه با دقت قابل قبولی تخمین زد. هم چنین با مقایسه نتایج حاصل از سه شبکه با آزمون های آماری مشخص شد که شبکه هایFF و MLP با R2بیش تر نسبت به MNN در تعیین تبخیر و تعرق گیاه مرجع از دقت بیش تری برخوردار می باشند.