ارزیابی عملکرد شبکه عصبی مصنوعی پرسپترون چند لایه در تخمین میزان تبخیر-تعرق گیاه مرجع روزانه با استفاده از داده های محدود اقلیمی (مطالعه موردی اقلیم کرمان)

تبخیر-تعرق از گیاهان یکی از مولفه های مهم تعیین میزان نیاز آبی گیاهان و تخصیص میزان آب بهینه دربخش کشاورزی می باشد. تعیین این مولفه به روش های مختلفی انجام شده است. یکی از روش های مدرن درتخمین این مولفه استفاده از شبکه های عصبی مصنوعی است. شبکه های عصبی مصنوعی یک ابزار محاسباتیاست که توانایی شبیه سازی فرایند های غیر خطی و پیچیده پدیده های مختلف دارد. در این پژوهش از اینابزار محاسباتی جهت تخمین میزان تبخیر-تعرق مرجع در مقیاس روزانه با استفاده از داده های ورودی مختلفهواشناسی اخذ شده از ایستگاه سینوپتیک شهر کرمان، استفاده شد. بررسی های نشان داد که شبکه عصبی ANN1 با RMSE=0/3, MAD-0/23, R-0/99, R-0/99 دارای بالاترین عملکرد و کیفیت و ANN6 با میزان RMSE-2/59, MAD-1/96, R-0/6 دارای کمترین عملکرد و کیفیت در مدل کردن تبخیر- تعرق مرجع روزانه است.

کلیدواژه ها:

پنمن- مانتیث ، تبخیر- تعرق گیاه مرجع ، شبکه های عصبی مصنوعی ، کرمان