TY - JOUR ID - 32039 TI - کاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی JO - محیط زیست و مهندسی آب JA - EWE LA - fa SN - AU - علیقلی نیا, توحید AU - رسولی مجد, نگار AU - رضایی, حسین AU - جباری, آناهیتا AD - دانشجوی کارشناسی ارشد، مهندسی آب (آبیاری و زهکشی)، دانشگاه ارومیه AD - دانشجوی دکتری مهندسی منابع آب، دانشکده مهندسی آب، دانشگاه ارومیه AD - دانشیار گروه مهندسی آب، دانشگاه ارومیه AD - دانشجوی دکتری مهندسی آب (آبیاری و زهکشی)، دانشگاه ارومیه Y1 - 2016 PY - 2016 VL - 2 IS - 2 SP - 122 EP - 135 KW - تبخیر – تعرق KW - روش فائو-پنمن-مونتیث KW - شبکه های عصبی مصنوعی KW - دشت ارومیه DO - N2 - برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار می‌رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می‌رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از داده‌های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو– پنمن– مونتیث محاسبه و مبنای کار قرار گرفت. سپس تبخیر– تعرق با استفاده از سناریوهای مختلف با پارامترهای ورودی متفاوت، با دو مدل MLP و RBF شبکه عصبی محاسبه شد. نتایج نشان دهنده برآورد تبخیر – تعرق روزانه با دقت قابل قبول (985/0RMSE= و 963/0R2= برای شبکه MLP و 537/0RMSE= و 963/0 R2=برای شبکه RBF) با استفاده از تنها سه پارامتر دمای متوسط، ساعت آفتابی و سرعت باد می‌باشند. همچنین با مشاهده و بررسی تمام سناریو‌ها می‌توان گفت که معادله تبخیر - تعرق نسبت به پارامترهای ساعت آفتابی، سرعت باد و دما وابستگی بیشتری دارد. گرچه هر دو شبکه MLPو RBF با دقت بسیار بالایی مقدار تبخیر – تعرق را محاسبه می کنند اما در کل دقت شبکه MLP نسبت به شبکه RBF بیشتر است. UR - http://www.jewe.ir/article_32039.html L1 - http://www.jewe.ir/article_32039_1a3384bc14a140e71073b227e62da585.pdf ER -