پيش‌بيني تبخيرتعرق مرجع با استفاده از شبكه‌هاي عصبي مصنوعي RBF ،MLP SVM

تخمين تبخيرتعرق گياه مرجع يكي از مهم‌ترين مؤلفه‌ها در بهينه‌سازي مصرف آب كشاورزي و مديريت منابع آب است. پيش‌بيني تبخيرتعرق مرجع روزانه و هفتگي مي‌تواند در پيش‌بيني نياز آبي گياهان و برنامه‌ريزي كوتاه‌مدت آبياري مورداستفاده قرار گيرد. هدف از اين تحقيق، ارزيابي عملكرد سه نوع شبكه عصبي مصنوعي MLP(پرسپترون چندلايه)، RBF (شبكه تابع پايه‌اي شعاعي)، SVM (ماشين بردار پشتيبان) در پيش‌بيني تبخيرتعرق مرجع روزانه و هفتگي در ايستگاه همديدي تبريز است. براي اين منظور از داده‌هاي هواشناسي با دوره آماري 39 ساله (20091971) استفاده شد. براي آموزش شبكه‌هاي عصبي 80 درصد سري‌هاي زماني ايجادشده به‌تصادف انتخاب و 20 درصد داده‌ها براي صحت‌سنجي مدل‌هاي پيشنهادي به كار رفتند. براي ايجاد سري زماني تبخيرتعرق مرجع روزانه و هفتگي در دوره موردنظر با استفاده از معادله استاندارد پنمنمانتيث فائو 56 محاسبه گرديد. تركيب‌هاي متفاوتي از داده‌هاي ورودي (تأخيرهاي مختلف) مورد ارزيابي قرار گرفت. نتايج مربوط به پيش‌بيني روزانه شبكه‌هاي عصبي نشان داد شبكه عصبي مصنوعي SVMRBF kernel با تأخير زماني M5 داراي RMSE و R2 به ترتيب برابر با 0/51ميلي‌متر در روز و 0/92 بهترين عملكرد را داشت. همچنين نتايج مربوط به پيش‌بيني هفت‌روزه نشان داد كه شبكه عصبي MLP با تأخير زماني M8 داراي RMSE و R2 به ترتيب برابر با 3/88 ميلي‌متر در هفته و 0/95 داراي بيش‌ترين دقت بودند.