شبيه سازي تبخير تعرق روزانه گياه مرجع با استفاده از روش هوش مصنوعي و مقايسه آن با روش‌هاي تجربي (مطالعه موردي: آذربايجان شرقي)

كشور ايران از جمله مناطق خشك و نيمه خشك جهان است و با محدوديت شديد منابع آب مواجه است. تعيين تبخير و تعرق كه يكي از اجزاي اصلي چرخه هيدرولوژي مي‌باشد، در بسياري از مطالعات از جمله توازن هيدرولوژيك آب، طراحي و مديريت سيستم‌هاي آبياري، شبيه‌سازي ميزان محصول و مديريت منابع آب از اهميت بالايي برخوردار است. در پژوهش حاضر از روش شبكه عصبي مصنوعيANN و سه روش تجربي پنمن مانتيث فائو (PMF56) و بلاني كريدل(BC) كمبرلي پنمنKP)) براي مدلسازي سيستم غيرخطي تبخير و تعرق گياه مرجع (ET0) كه داده‌هاي ورودي خروجي آن به صورت روزانه بودند، استفاده شد. سپس نتايج بدست آمده از روش‌هاي مذكور با داده‌هاي تبخير اندازه گيري شده در منطقه آذربايجان شرقي(ايستگاه مراغه، ميانه، اهر و جلفا) تحت واسنجي قرار گرفتند. نتايج نشان داد كه روش شبكه عصبي مصنوعي داراي دقت و سرعت بهتر در مدلسازي ET0 در مقايسه با روش‌هاي كلاسيك مي‌باشد. از ديگر نتايج مطالعه مي‌توان به مناسب تر بودن روش دمايي BC نسبت به ديگر مدل‌هاي تجربي اشاره كرد. همچنين اين پژوهش نشان داد مدل ANN با قانون يادگيري لونبرگ ماركوارت نتايج ET0 بهتري را در شرايط اقليمي مورد مطالعه ارائه مي‌دهد.