مقايسه مدل‌هاي هوش مصنوعي و مدل‌هاي تجربي در برآورد تبخير و تعرق مرجع (مطالعه موردي: ايستگاه سينوپتيك رامهرمز)

روش‌هاي بسياري براي برآورد تبخير و تعرق وجود دارد كه هر كدام محدوديت‌هايي دارند. بعضي از اين روش‌ها مثل لايسيمتر، هزينه‌بر و زمان‌بر بوده و برخي ديگر مثل مدل‌هاي تجربي، اعتبار محلي ندارند. استفاده از روشي كه بتواند با توجه به ماهيت پيچيده اين پديده و استفاده حداقل از داده‌هاي اقليمي، تبخير و تعرق را برآورد كند، لازم و ضروري به‌ نظر مي‌رسد. هدف از پژوهش حاضر، مقايسه مدل‌هاي شبكه عصبي مصنوعي (ANN)، شبكه عصبي مصنوعي بهينه شده با الگوريتم ژنتيك (ANN+GA) و مدل‌هاي تجربي (بلاني‌كريدل، هارگريوز ساماني و آيرماك) در برآورد تبخير و تعرق مرجع نسبت به نتايج به‌دست آمده از مدل استاندارد پنمن-مانتيث-فائو، با استفاده از داده‌هاي هواشناسي در ايستگاه سينوپتيك رامهرمز است. بدين‌منظور، متغيرهاي هواشناسي ايستگاه سينوپتيك رامهرمز به‌صورت ماهانه طي سال‌هاي 1390 تا 1397 جمع‌آوري شد. نتايج كلي اين پژوهش نشان داد كه مدل‌هاي شبكه عصبي مصنوعي نسبت به مدل‌هاي تجربي استفاده شده، همبستگي بالاتري به مدل پنمن-مانتيث-فائو دارند. ضمن اين‌كه در بين مدل‌هاي شبكه عصبي استفاده شده، مدل شبكه عصبي تلفيقي با الگوريتم ژنتيك نسبت به مدل شبكه عصبي مصنوعي، همبستگي بالاتري به مدل پنمن-مانتيث-فائو دارند. به‌طوري كه مقدار R2 در مدل‌هاي بلاني كريدل، هارگريوز ساماني، آيرماك، ANN و ANN+GA به‌ترتيب 0.65، 0.819، 0.781، 0.969 و 0.973 به‌دست آمد. نتايج حاصل از به‌كارگيري سناريوهاي به‌كار گرفته پارامترهاي هواشناسي به‌عنوان ورودي براي مدل‌هاي ANN و ANN+GA نشان داد، بالاترين دقت برآورد تبخير و تعرق مرجع در هر دو مدل، مربوط به سناريويي با داده‌هاي ورودي از قبيل دماي كمينه، دماي بيشينه، سرعت باد در ارتفاع دو متري، رطوبت نسبي كمينه، رطوبت نسبي بيشينه و ساعات آفتابي است و كم‌ترين دقت مدل هم در سناريويي با دو ورودي دماي بيشينه و دماي كمينه بود. در بين مدل‌هاي تجربي نيز به‌ترتيب مدل هارگريوز ساماني، آيرماك و بلاني‌كريدل بيش‌ترين همبستگي را با روش استاندارد پنمن-مانتيث-فائو داشتند.