ارزیابی کارآیی دو نرم افزار شبکه عصبی مصنوعی در پیش بینی تبخیر- تعرق گیاه مرجع

در این تحقیق، کارایی دو نرم افزار شبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق گیاه مرجع (et0) بررسی گردید. بدین منظور از داده های 2 سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرم افزار مرسوم ns وnw با قابلیت به کارگیری آلگوریتم های متفاوت، به کار رفت. جهت ارزیابی اجرای دو نرم افزار برای آرایش ها، قواعد یادگیری و توابع محرک مختلف، از شاخص های آماری جذر میانگین مربعات خطا (rmse)، میانگین خطای مطلق (mae) و ضریب تعیین (r2) استفاده شد. با اجرای نرم افزار ns آرایش مطلوب با ویژگی حداقل rmse، mae و حداکثر r2 در مقایسه با ارقام مشاهداتی (لایسیمتری) به ترتیب معادل 08/0 (میلی متر در روز)، 07/0 (میلی متر در روز) و 87/0 بدست آمد. نتایج تحقیق نشان داد نرم افزار ns با آرایش مطلوب که ویژگی مدل آموزشی گرادیان مزدوج و تابع محرک سیگمویید را دارا باشد، نسبت به نرم افزار nw با توجه به تعداد تکرار کمتر و زمان محاسباتی کوتاه تر برتری دارد. نتایج نشان داد وجود دو لایه پنهان نسبت به یک لایه پنهان بر دقت تبخیر-تعرق برآورد شده از نرم افزار، تاثیری نداشت. بررسی حساسیت مدل شبکه عصبی مصنوعی نشان داد که تبخیر- تعرق بیشترین وابستگی را به حداکثر دمای هوا و کمترین وابستگی را به حداقل رطوبت نسبی دارد.