برآورد تبخير و تعرق ماهيانه به كمك مدل شبكه عصبي فازي و مدل رگرسيون چندگانه و مقايسه نتايج آن ها با داده هاي واقعي فائو-پنمن-مانتيس

در دهه هاي اخير، به دليل اهميت يافتن مسئله آب و افزايش تمايل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجراي روش هاي مناسب براي پيش بيني آن با توجه به داده هاي بارش به مسئله اي ضروري تبديل شده است.آگاهي از ميزان تبخير و تعرق يا آب مصرفي گياه، اساس برنامه ريزي صحيح آبياري به شمار مي آيد. يكي از مهم ترين روش هاي بهبود مديريت مصرف آب، به ويژه در بخش كشاورزي كه سهم عمده مصرف آب را در كشور دارد، تخمين دقيق آب مصرفي گياه است كه وابستگي مستقيمي با ميزان «تبخير و تعرق» در گياهان دارد؛ بنابراين برآورد تبخير و تعرق به دليل اعمال برنامه هاي صحيح مديريتي در بخش منابع آب ضرورتي انكارناپذير است. روش هاي بسياري براي پيش بيني تبخير و تعرق وجود دارد؛ از جمله روش مرجع فائو-پنمن-مانتيس. در اين زمينه، پژوهش هاي متعددي در داخل كشور انجام شده است. براين اساس بيشتر پيش بيني ها مبتني بر روش هاي تجربي بوده و كمتر از روش هاي نوين استفاده شده است. در اين پژوهش، نتايج پيش بيني تخمير و تعريق دو روش شبكه هاي عصبي مصنوعي و رگرسيون درختي مقايسه شده است. همچنين به منظور ارزيابي كارايي، روش هاي ميانگين درصد خطا، ميانگين مربعات خطا، شاخص پراكندگي و پارامتر انحراف كاربرد داشته است.