مقايسه ي رگرسيون غيرخطي و شبكه ي عصبي مصنوعي در برآورد تبخير روزانه از تشت تبخير كلاس A در يك منطقه ي خشك

فرایند تبخیر، یكی از مؤلفه های اصلی چرخه ی هیدرولوژیكی میباشد كه نقش حیاتی در مطالعات برنامه ریزی، طراحی، اجرا و مدیریت منابع آب شامل هیدرولوژی، زراعت، مدیریت آبیاری، پیش بینی جریان رودخانه ایفا مینماید. هدف از این تحقیق، ارزیابی كارایی شبكه های عصبی مصنوعی و رگرسیون غیرخطی در برآورد تبخیر روزانه از تشت كلاس A در یك منطقه ی خشك میباشد. پارامترهای دمای هوا، رطوبت نسبی، سرعت باد در ارتفاع ۲ متری، فشار هوا و تابش خالص خورشیدی بعنوان ورودی شبكه ی عصبی مصنوعی و رگرسیون غیرخطی انتخاب گردید. برای انتخاب بهترین مدل شبكه ی عصبی و رگرسیون غیرخطی از معیارهای ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق استفاده شده است. نتایج بدست آمده نشان میدهد كه شبكه عصبی مصنوعی و رگرسیون غیرخطی ابزار مناسبی برای مدلسازی تبخیر از تشت می باشند . بطوركلی روش شبكه ی عصبی مصنوعی نسبت به رگرسیون غیرخطی نتایج بهتری را ارائه داده است.