تخمين تبخير و تعرق مرجع در شرايط داده محدود با استفاده از شبكه هاي عصبي RBF

تبخير و تعرق گياه مرجع يكي از عوامل مهم سيكل هيدرولوژيكي است كه بايد در طرح سيستم هاي آبياري، تاسيسات آبي، مطالعات زهكشي و هيدرولوژيكي برآورد شود. اگرچه معادله پنمن مانتيث فائو 65 به عنوان يك روش استاندارد جهت برآورد تبخير و تعرق مرجع در نواحي مختلف تاييد شده است، ولي نياز آن به پارامترهاي ورودي متنوع، استفاده گسترده از آن را محدود نموده است. در اين تحقيق با استفاده از شبكه هاي عصبي شعاعي ) RBF ( ميزان تبخير و تعرق مرجع در شرايط مختلف داده هاي كامل و داده هاي محدود در شرايط آب و هوايي زنجان، تخمين زده شده است. در مجموع 42 سناريو با تركيب داده هاي مختلف مورد بررسي قرار گرفت. نتايج نشان مي دهد كه شبكه عصبي RBF با دقت بالايي قادر به تخمين مقدار تبخير و تعرق مرجع است و در صورت وجود داده هاي مربوط به دما در بدترين حالت با حداكثر خطاي RMSE 0/5 ميلي متر بر روز قادر به برآورد تبخير و تعرق مرجع است. ، همچنين نتايج نشان داد كه سناريو تركيب داده هاي دماي حداكثر و سرعت باد داراي دقت بسيار بالايي در تخمين تبخير و تعرق مرجع مي باشد.