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

در این تحقیق، کارائی دو نرم­افزارشبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق گیاه مرجع (ET۰) بررسی گردید. بدین منظور از داده­های ۲ سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرم­افزار مرسوم NS وNW  با قابلیت به­کارگیری آلگوریتم­های متفاوت، به­کار رفت. جهت ارزیابی اجرای دو نرم­افزار برای آرایش­ها، قواعد یادگیری و توابع محرک مختلف، از شاخص­های آماری جذر میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب تعیین (R۲) استفاده شد. با اجرای نرم­افزار NS آرایش مطلوب با ویژگی حداقل RMSE، MAE و حداکثر R۲ در مقایسه با ارقام مشاهداتی (لایسیمتری) به ترتیب معادل ۰۸/۰ (میلی متر در روز)، ۰۷/۰ (میلی متر در روز) و ۸۷/۰ بدست آمد. نتایج تحقیق نشان داد نرم­افزار NS با آرایش مطلوب که ویژگی مدل آموزشی گرادیان مزدوج و تابع محرک سیگمویید را دارا باشد، نسبت به نرم­افزار NW با توجه به تعداد تکرار کمتر و زمان محاسباتی کوتاه­تر برتری دارد. نتایج نشان داد وجود دو لایه پنهان نسبت به یک لایه پنهان بر دقت تبخیر-تعرق برآورد شده از نرم­افزار، 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.

کلیدواژه ها:

تبخیر- تعرق گیاه مرجع ، دمای هوا ، رطوبت سنجی ، شبکه عصبی مصنوعی