برآورد تبخیر و تعرق ماهیانه به کمک مدل شبکه عصبی فازی و مدل رگرسیون چندگانه و مقایسه نتایج آن ها با داده های واقعی فائو-پنمن-مانتیس

در دهه های اخیر، به دلیل اهمیت یافتن مسئله آب و افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روش های مناسب برای پیش بینی آن با توجه به داده های بارش به مسئله ای ضروری تبدیل شده است.آگاهی از میزان تبخیر و تعرق یا آب مصرفی گیاه، اساس برنامه ریزی صحیح آبیاری به شمار می آید. یکی از مهم ترین روش های بهبود مدیریت مصرف آب، به ویژه در بخش کشاورزی که سهم عمده مصرف آب را در کشور دارد، تخمین دقیق آب مصرفی گیاه است که وابستگی مستقیمی با میزان «تبخیر و تعرق» در گیاهان دارد؛ بنابراین برآورد تبخیر و تعرق به دلیل اعمال برنامه های صحیح مدیریتی در بخش منابع آب ضرورتی انکارناپذیر است. روش های بسیاری برای پیش بینی تبخیر و تعرق وجود دارد؛ از جمله روش مرجع فائو-پنمن-مانتیس. در این زمینه، پژوهش های متعددی در داخل کشور انجام شده است. براین اساس بیشتر پیش بینی ها مبتنی بر روش های تجربی بوده و کمتر از روش های نوین استفاده شده است. در این پژوهش، نتایج پیش بینی تخمیر و تعریق دو روش شبکه های عصبی مصنوعی و رگرسیون درختی مقایسه شده است. همچنین به منظور ارزیابی کارایی، روش های میانگین درصد خطا، میانگین مربعات خطا، شاخص پراکندگی و پارامتر انحراف کاربرد داشته است.