برآورد تبخیر و تعرق مرجع با استفاده از روش پنمن- مانتیث- فائو، مدلسازی آن با شبکه عصبی مصنوعی و مقایسه آنها با داده های لایسیمتری در ایستگاه کهریز ارومیه

تبخیر و تعرق مرجع یکی از عوامل مهم سیکل هیدرولوژیکی است که باید در طرح های آبیاری، مطالعات زهکشی و هیدرولوژیکی برآورد شود، لایسیمتر یکی از دقیقترین روشهای برآورد تبخیر و تعرق است اما استفاده از لایسیمتر مستلزم هزینه و وقت زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و به کار بردن مدلهای تجربی انجام می گیرد که در این میان، معادله پنمن- مانتیث- فائو به عنوان روش استاندارد محاسبه تبخیر و تعرق مرجع شناخته می شود از آنجایی که این روش به تجهیزات هواشناسی گران قیمتی نیاز دارد کاربرد آن در بسیاری از مناطق محدود شده است بنابراین استفاده از روشهای ساده که به داده های کمتر هواشناسی نیاز باشد مورد توجه است، ولی این روشها برای دوره های زمانی ماهانه و بیشتر معتبر میباشد. با توجه به اینکه تبخیر و تعرق فرآیندی پیچیده و غیرخطی است و شبکه عصبی مصنوعی ابزار مناسبی برای این منظور است از اینرو در این تحقیق از شبکه عصبی مصنوعی به کمک نرم افزارNeuroSolutions برای تخمین تبخیر و تعرق استفاده شد، به این منظور بر اساس داده های اقلیمی روزانه و داده های 4 ساله لایسیمتری ایستگاه کهریز ارومیه، مقدار تبخیر و تعرق به روش های مذکور محاسبه گردید، نتایج حاصل از محاسبات نشان داد که شبکه عصبی مصنوعی با 6 پارامتر ورودی، یک لایه پنهان و 4 نرون با توجه به شاخصهای آماری RMSE ، NRMSE ، MAE و R^2 نسبت به روش پنمن- مانتیث- فائو، هم خوانی بیشتری با داده های لایسیمتری منطقه مورد نظر دارد.

کلیدواژه ها:

تبخیر و تعرق ، پنمن- مانتیث- فائو ، شبکه عصبی مصنوعی ، لایسیمتر ، NeuroSolutions