زهرا فکورنیا - دانشجوی کارشناسی ارشد، مهندسی آبیاری وزهکشی، دانشگاه ارومیه، گروه آ
عیسی جهانگیر - استادیار و عضو هیئت علمی گروه مهندسی آب دانشگاه ارومیه
کامران زینال زاده - عضو هیئت علمی گروه مهندسی آب دانشگاه ارومیه
بهبود مشعوفی - عضو هیئت علمی گروه مهندسی آب دانشگاه ارومیه

تبخیروتعرق گیاه یکی از اجزای اصلی چرخه هیدرولوژیکی بوده و برآورد دقیق آن از اهمیت بسیار زیادی برخوردار است. به دلیل تاثیر متقابل پارامترهای هواشناسی در برآورد تبخیروتعرق، تخمین آن یک کار پیچیده و دارای روابط غیرخطی می باشد از این رو شبکه های عصبی مصنوعی ابزار مناسبی برای تخمین تبخیروتعرق می باشد. در این تحقیق با استفاده از آمار روزانه هواشناسی منطقه ارومیه در بازه زمانی 1385 -1380 (دمای ماکزیمم ومینیمم، رطوبت نسبی ماکزیمم ومینیمم، سرعت باد و ساعات آفتابی )شبکه را آموزش داده و با مقایسه با روش پنمن - مونتیث تبخیروتعرق پتانسیل برآورد گردیده است.همچنین در این پژوهش از شبکه های عصبی مصنوعی با تعداد نرون های مختلف دریک یادو لایه مخفی برای برآورد ETo با استفاده از پارامتر های هواشناسی جهت آموزش و تست شبکه استفاده شده است. وبا توجه به ضریب همبستگی (R) ، جذر میانگین مربعات خطا (RMSE) بهترین آرایش شبکه برای یک لایه ودو لایه مخفی بدست آمد.

شبکه های عصبی مصنوعی، تبخیروتعرق پتانسیل، پنمن- مونتیث