برآورد تبخير و تعرق مرجع با استفاده از روش پنمن- مانتيث- فائو، مدلسازي آن با شبكه عصبي مصنوعي و مقايسه آنها با داده هاي لايسيمتري در ايستگاه كهريز اروميه

تبخیر و تعرق مرجع یكی از عوامل مهم سیكل هیدرولوژیكی است كه باید در طرح های آبیاری، مطالعات زهكشی و هیدرولوژیكی برآورد شود، لایسیمتر یكی از دقیقترین روشهای برآورد تبخیر و تعرق است اما استفاده از لایسیمتر مستلزم هزینه و وقت زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و به كار بردن مدلهای تجربی انجام می گیرد كه در این میان، معادله پنمن- مانتیث- فائو به عنوان روش استاندارد محاسبه تبخیر و تعرق مرجع شناخته می شود از آنجایی كه این روش به تجهیزات هواشناسی گران قیمتی نیاز دارد كاربرد آن در بسیاری از مناطق محدود شده است بنابراین استفاده از روشهای ساده كه به دادههای كمتر هواشناسی نیاز باشد مورد توجه است، ولی این روشها برای دورههای زمانی ماهانه و بیشتر معتبر میباشد. با توجه به اینكه تبخیر و تعرق فرآیندی پیچیده و غیرخطی است و شبكه عصبی مصنوعی ابزار مناسبی برای این منظور است از اینرو در این تحقیق از شبكه عصبی مصنوعی به كمك نرم افزار NeuroSolutions برای تخمین تبخیر و تعرق استفاده شد، به این منظور بر اساس دادههای اقلیمی روزانه و دادههای 4 ساله لایسیمتری ایستگاه كهریز ارومیه، مقدار تبخیر و تعرق به روش های مذكور محاسبه گردید، نتایج حاصل از محاسبات نشان داد كه شبكه عصبی مصنوعی با 6 پارامتر ورودی، یك لایه پنهان و 4 نرون با توجه به شاخصهای آماری RMSE ، NRMSE ، MAE و R2 نسبت به روش پنمن- مانتیث- فائو، هم خوانی بیشتری با دادههای لایسیمتری منطقه مورد نظر دارد.