بررسي عملكرد مدل‏هاي شبكه عصبي مصنوعي و روابط تجربي در برآورد تلفات تبخير از تشت در مقياس ماهانه و سالانه در محدوده درياچه سد شهيد رجايي ساري

Investigating the performance of artificial neural network models and empirical relationships in estimating evaporation losses from the pans on a monthly and annual scale in the area of ​​Shahid Rajaei dam lake in Sari

تبخير فاكتور مهمي در مديريت منابع آب است و با محاسبه دقيق آن مي‏توان راهكارهاي موثري در جهت كاهش اثرات خشكسالي و به منظور حفاظت از منابع آب اجرا نمود. در اين تحقيق ميزان دقت روش شبكه عصبي مصنوعي و روابط تجربي در برآورد ميزان تبخير در مقياس ماهانه و سالانه از سطح مخزن شهيد رجايي براي ايستگاه سليمان تنگه مورد مقايسه قرار گرفت و بهترين روابط و مدل‌ها ارائه شده است. در اين تحقيق با استفاده از آمار 10 ساله ايستگاه سد مخزني شهيد رجايي با استفاده از روش‏هاي شبكه عصبي مصنوعي و شش رابطه تجربي پركاربرد شامل روابط ماير، مارسيانو، شاهتين، هفنر، ايوانف، و سازمان عمران اراضي آمريكا، تبخير برآورد و با مقادير تبخير از تشت مقايسه شد. آماره هاي RMSE، R و EF تبخير ماهانه براي فرمول ماير در ايستگاه سليمان‏تنگه به ترتيب 436/9، 0/97، 0/3 به‏دست آمد. همچنين نتايج حاصل از شبيه سازي تبخير ماهانه نشان داد كه روش شبكه عصبي مصنوعي توانسته است با دقت خوبي تبخير ماهانه را با ضريب همبستگي 0/98 براي ايستگاه سليمان‏تنگه برآورد نمايد. از سوي ديگر نتايج حاصل از شبيه سازي تبخير سالانه نشان داد كه روش شبكه عصبي مصنوعي توانسته است با دقت خوبي تبخير سالانه براي ايستگاه سليمان‏تنگه برآورد نمايد. نتايج به‏دست آمده از اين پژوهش نشان داد كه با محاسبه نسبتاً دقيق تبخير از سطح آزاد آب، مي‏توان راهكارهاي مفيد و مديريتي جهت حفاظت از منابع آبي موجود و كاهش اثرات خشكسالي اعمال كرد.