تخمین تبخیر و تعرق پتانسیل گیاه مرجع (ET0) با استفاده از شبکه عصبی در منطقه کرمان

امروزه شبکه های عصبی کاربردهای بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل موثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. شبکه عصبی مصنوعی از الگوی شبکه عصبی انسان شبیه سازی شده است، به گونه ای که می تواند پس از آموزش پارامتر خروجی مورد نظر را با اعمال پارامترهای ورودی براورد نماید. تبخیر و تعرق گیاه یکی از اجچزای اصلی چرخه هیدرولوژی می باشد و تخمین دقیق آن اهمیت بسیار زیادی در مطالعات طراحی و مدیریت شبکه های آبیاری، برنامه ریزی منابع آب و غیره دارد. به دلیل تاثیر متقابل پارامترهای هواشناسی در محاسبه تبخیر و تعرق، تخمین آن یک کار پیچیده و دارای روابط غیر خطی می باشد، از این رو شبکه های عصبی مصنوعی ابزار مناسبی برای تخمین و تعرق می باشد. در این تحقیق با استفاده از آمار روزانه هواشناسی منطقه کرمان در بازه زمانی 1384-1378 (دمای ماکیمم و مینیمم، رطوبت نسبی ماکزیمم و مینیمم، سرعت باد، ساعات آفتابی) شبکه را اموزش داده و با مقایسه با روش استاندارد ومتداول پنمن – مونتیث ، تبخیر و تعرق مرجع براورد گردیده است. همچنین در این پژوهش از شبکه عصبی مصنوعی با تعداد لایه های پنهان متفاوت، برای پیش بینی ET0 گیاه مرجع با استفاده ازپارامترهای هواشناسی جهت اموزش و تست شبکه استفاده شده است. نتایج حاصل از این بررسی نشان داد که پس از آموزش و آزمون شبکه و با توجه به میزان خطای استاندارد وزن دار (WSEE) می توان با استفاده از شبکه های عصبی، تبخیر و تعرق پتانسیل گیاه مرجع (ET0) را با درصد کم خطا پیش بینی نمود. همچنین بهترین آرایش شبکه بصورت 1-8-6 و با تابع محرک سیگموئید بدست امد.

کلیدواژه ها:

تبخیر و تعرق گیاه مرجع ، شبکه عصبی مصنوعی ، پارامترهای هواشناسی