كاربرد شبكه عصبي مصنوعي و رگرسيون خطي چند متغيره در پيش بيني ميزان تبخير از تشت تبخير(مطالعه موردي: ايرانشهر)

تبخير يكي از اجزاي اصلي چرخه هيدرولوژي است. در سال هاي اخير استفاده از سيستم هاي هوشمند براي براورد پديده هاي هيدرولوژي افزايش چشمگيري داشته است. اين پژوهش با هدف بررسي كارايي شبكه هاي عصبي مصنوعي و رگرسيون خطي چند متعيره جهت برآورد تبخير از تشت انجام شده است. جهت انجام تحقيق به روش شبكه عصبي مصنوعي و رگرسيون خطي چند متغيره، تركيب هاي مختلف با 10 پارامتر هواشناسي شامل سال، ماه، متوسط درجه حرارت هوا ، ميانگين حداكثر درجه حرارت هوا، ميانگين حداقل درجه حرارت هوا، ميانگين رطوبت نسبي، حداقل رطوبت مطلق ، حداكثر رطوبت مطلق ، ميانگين حداكثر رطوبت و ميانگين حداقل رطوبت به عنوان داده هاي ورودي براي پيش بيني تبخير از تشت مورد بررسي قرار گرفت. براي اين منظور از داده هاي سال هاي 1375 تا 1388 ايستگاه سينوپتيك ايرانشهر استفاده شد. سپس مدل رگرسيون خطي چند متغيره و شبكه عصبي مصنوعي بين اين پارامترها و تبخير از تشت برقرار گرديد. در نهايت كارايي اين مدل ها با استفاده از روش اعتبارسنجي مورد ارزيابي قرار گرفتند. نتايج تحقيق نشان داد روش رگرسيون خطي چند متغيره 2/80 درصد از تبخير از تشت و شبكه عصبي مصنوعي 7/95 درصد از تغييرات اين پارامتر را در منطقه مورد مطالعه توجيه كند. نتايج آناليز حساسيت مدل شبكه عصبي مصنوعي نشان داد پارامتر ميانگين درجه حرارت حداكثر تاثير بيشتري در دقت برآورد تبخير از تشت درمنطقه دارد