بررسي و تحليل حساسيت روش‌هاي مبتني بر شبكه‌هاي عصبي مصنوعي در برآورد تبخير و تعرق گياه مرجع

تبخير و تعرق از اثرگذارترين پارامترها در چرخه آب در طبيعت و نيز طراحي صحيح سامانه‌‌هاي آبياري بوده و برآورد دقيق آن منجر به كاهش تلفات آب و برنامه‌ريزي بهتر آبياري مي‌گردد. با توجه به توانمندي شبكه‌هاي عصبي مصنوعي در تحليل محاسباتي فرآيندهاي پيچيده، اين پژوهش با هدف كاربرد اين تكنيك براي تحليل داده‌هاي مؤثر در برآورد تبخير و تعرق گياه مرجع (ETo) و مقايسه آن با نتايج حاصل از نرم‌افزار ETo-calculator صورت گرفت. ETo با استفاده از داده‌هاي هواشناسي (آمار 10 ساله روزانه 12 ايستگاه‌ هواشناسي استان تهران) و با كاربرد نرم‌افزار ETo-calculator محاسبه شد. براي مدل‌سازي ETo، مجموعه ورودي‌ها به شبكه‌هاي عصبي مصنوعي شامل مقادير دماي حداقل و حداكثر، رطوبت نسبي حداقل و حداكثر، سرعت باد و تعداد ساعات آفتابي در شبانه روز در نظر گرفته شدند. پس از نگاشت داده‌ها و با بهينه‌سازي تعداد لايه‌هاي پنهان و الگوريتم‌هاي شبكه، مقادير خروجي برآورد شدند. نتايج نشان داد كه شبكه عصبي مصنوعي تكنيك بسيار مناسبي براي تحليل ETo است(R^2≅98% ) . شيوه آموزش پرسپترون چند لايه‌اي با دو لايه مياني، توابع انتقال تانژانت خطي و تانژانت براي لايه‌هاي پنهان و خروجي، قانون آموزش لونبرگ ماركوات براي هر دو لايه پنهان و خروجي و ساختار 114116 به عنوان بهترين شبكه براي برآورد ETo پيشنهاد مي‌شود. نتايج تحليل حساسيت نشان داد كه شبكه منتخب و نرم‌افزار ETocalculator روند مشابهي داشته و پارامترهاي دماي حداكثر و تعداد ساعات آفتابي در شبانه روز، به‌ترتيب مؤثرترين و كم‌اثرترين پارامترها در برآورد ETo هستند. همچنين بر مبناي نتايج حاصل از تحليل مؤلفه‌هاي اصلي، سناريوي استفاده از چهار پارامتر دماي حداقل و حداكثر، رطوبت نسبي حداكثر و سرعت باد به عنوان تنها ورودي‌ها به شبكه عصبي مصنوعي منتخب، مي‌تواند با دقت قابل قبولي تبخير و تعرق گياه مرجع را برآورد كند (R^2≅94‌% ) .