سنجش قابليت شبكه هاي عصبي مصنوعي در برآورد تبخير و تعرق پتانسيل (مطالعه موردي منطقه اروميه)

تبخیروتعرق گیاه یكی از اجزای اصلی چرخه هیدرولوژیكی بوده و برآورد دقیق آن از اهمیت بسیار زیادی برخوردار است. به دلیل تاثیر متقابل پارامترهای هواشناسی در برآورد تبخیروتعرق، تخمین آن یك كار پیچیده و دارای روابط غیرخطی می باشد از این رو شبكه های عصبی مصنوعی ابزار مناسبی برای تخمین تبخیروتعرق می باشد. در این تحقیق با استفاده از آمار روزانه هواشناسی منطقه ارومیه در بازه زمانی 1385 -1380 (دمای ماكزیمم ومینیمم، رطوبت نسبی ماكزیمم ومینیمم، سرعت باد و ساعات آفتابی )شبكه را آموزش داده و با مقایسه با روش پنمن - مونتیث تبخیروتعرق پتانسیل برآورد گردیده است.همچنین در این پژوهش از شبكه های عصبی مصنوعی با تعداد نرون های مختلف دریك یادو لایه مخفی برای برآورد ETo با استفاده از پارامتر های هواشناسی جهت آموزش و تست شبكه استفاده شده است. وبا توجه به ضریب همبستگی (R) ، جذر میانگین مربعات خطا (RMSE) بهترین آرایش شبكه برای یك لایه ودو لایه مخفی بدست آمد.