برآورد تبخیر- تعرق مرجع روزانه با بهره‌گیری از راهبرد ترکیب الگوریتم بهینه‌سازی گرادیان نزولی تصادفی با شبکه عصبی مصنوعی

نویسندگان

1 دانشیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.

2 دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

3 کارشناسی ارشد، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.

4 دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

doi
10.22092/jwra.2025.368869.1071
چکیده

تبخیر- تعرق مرجع (ET0) یک پارامتر مهم در بخش مدیریت آب کشاورزی است. در این بررسی، مدل‌های پرسپترون چندلایه و پرسپترون چندلایه ترکیب شده با الگوریتم گرادیان نزولی تصادفی، برای برآورد تبخیر- تعرق مرجع روزانه در ایستگاه‌های کیش، گرگان و شیراز بررسی شد. برای اعتبارسنجی مدل‌های پیشنهادی، داده‌های هواشناسی در مقیاس روزانه در مدت 23 سال (1402-1379) در ایستگاه‌های یادشده مورد استفاده قرار گرفته که در پنج سناریو شامل ترکیب‌های مختلفی از پارامترهای ورودی و براساس ضریب همبستگی پیرسون به‌کار برده شد. همچنین، مدل‌های منفرد و ترکیبی با استفاده از معیارهایی نظیر ضریب همبستگی(R)، جذر میانگین مربعات خطا(RMSE)، ضریب نش‌- ساتکلیف  (NSE)و شاخص توافق ویلموت(d) مورد ارزیابی قرار گرفت. ارزیابی نتایج حاصل از این پژوهش نشان داد که سناریو پنجم مدل ترکیبی با داشتن RMSE برابر با 1/04، 1/2 و 1/94 میلی‌متر در روز به‌ترتیب در ایستگاه‌های شیراز، گرگان و کیش بهترین عملکرد را در برآورد تبخیر- تعرق مرجع داشته‌ است. همچنین، تجزیه و تحلیل نتایج نشان داد که مدل ترکیبی عملکرد بهتری نسبت به مدل منفرد داشته و به‌عنوان مدلی قابل اعتماد شناخته شد. یافته‌های حاصل از این تحقیق می‌تواند پیامدهای مهمی برای ارزیابی مدل‌های مبتنی بر هوش مصنوعی اعمال شده برای مدیریت مصرف آب کشاورزی و بهره‌گیری پایدار از منابع آبی داشته باشد.