مقایسه روشهای تجربی و شبکه عصبی مصنوعی در برآورد تبخیر و تعرق پتانسیل

فرایند تبخیر و تعرق برای ارزیابی و بررسی پدیده های هیدرولوژیکی و در مسائل مربوط به نحوه مدیریت منابع آب در کشاورزی یک پارامتر مهم بوده و با توجه به این موضوع که کشور ایران از نظر جغرافیایی در مناطق خشک و نیمه خشک واقع شده است، بررسی بیلان آبی و میزان تبخیر و تعرق امری بسیار مهم و حائز اهمیت می باشد. هدف از این تحقیق مقایسه روش های تجربی و شبکه عصبی مصنوعی برای بررسی میزان تبخیر و تعرق پتانسیل با استفاده از داده های ایستگاه هواشناسی شهر زاهدان می باشد. پارامتر هایی که در این تحقیق مورد استفاده قرار گرفتند دارای طول دوره آماری 11 سال بودند که عبارتند از: دمای حداقل، دمای حداکثر، میانگین دما، حداقل رطوبت، حداکثر رطوبت، میانگین رطوبت، میزان بارندگی، میزان تبخیر، ساعت آفتابی، سمت باد، حداکثر سرعت باد و میانگین سرعت باد. برای ارزیابی این پارامتر ها از روش های شبکه عصبی مصنوعی، هارگریوز-سامانی، تورنت وایت و پنمن استفاده شد. بدین منظور آماره های r2, mae و rmse برای مقایسه مقادیر تبخیر- تعرق محاسبه شده نسبت به مقادیر مشاهداتی از تشتک تبخیر( با اعمال ضریب تشتک 8/0) مورد استفاده قرار گرفتند. بر اساس شاخص mae و rmse روش های ann و تورنت-وایت به ترتیب بهترین عملکرد را در برآورد تبخیر و تعرق پتانسیل نشان دادند. همچنین شاخص r2 نشان داد که روش های ann و پنمن مانتیث به ترتیب کمترین میزان خطا را در برآورد تبخیر و تعرق پتانسیل نشان دادند. نتایج این شاخص ها نشان داد که روش ann دارای بهترین عملکرد در برآورد تبخیر و تعرق پتانسیل در ایستگاه هواشناسی زاهدان می باشد.