شناسایی بهترین شبکه شبیه سازی مصنوعی در برآورد تبخیر و تعرق به روش بلانی - کریدل (مطالعه موردی ایستگاه سینوپتیک بیرجند)

تبخیر و تعرق به عنوان یکی از عمده ترین اجزاء چرخه هیدرولوژیکی، در مطالعات، طراحی و مدیریت سیستم های آبیاری اهمیت فراوان دارد. لکن تعداد پارامترهای مورد نیاز در محاسبه تبخیر و تعرق از یکسو و عدم صحیح اندازه گیری برخی پارامترها از سوی دیگر سبب گردیده که تخمین درست این پارامتر در برخی نقاط با مشکلاتی روبرو باشد. هدف از این مطالعه ارزیابی عملکرد شبکه عصبی مصنوعی (ANN) در برآورد تبخیر و تعرق پتانسیل(ET0) و مقایسه آن با روش تجربی بلانی کریدل در دشت بیرجند می باشد. بر این اساس با استفاده از معیارهای RMSE, R2, MAE, بهترین مدل شبکه عصبی در این منطقه Multilayer Perceptron انتخاب گردید و مشخص گردید که شبکه عصبی مصنوعی در شرایط فقدان اطلاعات کافی، راهکار مناسبتری نسبت به روش های تجربی به شمار روند.

کلیدواژه ها:

شبکه عصبی ، بلانی کریدل ، پرسپترون ، تبخیر و تعرق