مقایسه روشهای تجربی و شبکه عصبی مصنوعی در برآورد تبخیر و تعرق پتانسیل

Abstract

فرایند تبخیر و تعرق برای ارزیابی و بررسی پدیده¬های هیدرولوژیکی و در مسائل مربوط به نحوه مدیریت منابع آب در کشاورزی یک پارامتر مهم بوده و با توجه به این موضوع که کشور ایران از نظر جغرافیایی در مناطق خشک و نیمه خشک واقع شده است، بررسی بیلان آبی و میزان تبخیر و تعرق امری بسیار مهم و حائز اهمیت می¬باشد. هدف از این تحقیق مقایسه روش¬های تجربی و شبکه عصبی مصنوعی برای بررسی میزان تبخیر و تعرق پتانسیل با استفاده از داده¬های ایستگاه هواشناسی شهر زاهدان می¬باشد. پارامتر¬هایی که در این تحقیق مورد استفاده قرار گرفتند دارای طول دوره آماری 11 سال بودند که عبارتند از: دمای حداقل، دمای حداکثر، میانگین دما، حداقل رطوبت، حداکثر رطوبت، میانگین رطوبت، میزان بارندگی، میزان تبخیر، ساعت آفتابی، سمت باد، حداکثر سرعت باد و میانگین سرعت باد. برای ارزیابی این پارامتر¬ها از روش¬های شبکه عصبی مصنوعی، هارگریوز-سامانی، تورنت وایت و پنمن استفاده شد. بدین منظور آماره¬های R2, MAE و RMSE برای مقایسه مقادیر تبخیر- تعرق محاسبه شده نسبت به مقادیر مشاهداتی از تشتک تبخیر( با اعمال ضریب تشتک 8/0) مورد استفاده قرار گرفتند. بر اساس شاخص MAE و RMSE روش¬های ANN و تورنت-وایت به ترتیب بهترین عملکرد را در برآورد تبخیر و تعرق پتانسیل نشان دادند. همچنین شاخص R2 نشان داد که روش¬های ANN و پنمن مانتیث به ترتیب کمترین میزان خطا را در برآورد تبخیر و تعرق پتانسیل نشان دادند. نتایج این شاخص¬ها نشان داد که روش ANN دارای بهترین عملکرد در برآورد تبخیر و تعرق پتانسیل در ایستگاه هواشناسی زاهدان می¬باشد.