فهرست نشریات علمی دسترسی آزاد ایران

امروزه منابع آب به شدت تحت تاثیر چرخه­ی هیدرولوژیکی هستند و برآورد تبخیر و تعرق که جزء اصلی از چرخه­ی هیدرولوژیکی است، در مدیریت منابع آب نقش بسزایی دارد. این پدیده، غیرخطی و از این لحاظ که پارامترهای بسیاری در برآورد آن دخیل هستند، کاری بسیار مشکل است. روش­های زیادی برای برآورد تبخیر و تعرق وجود دارد که هر کدام با مشکلی مواجه می­باشند. بعضی از این روش­ها مثل لایسیمتر هزینه­بر و زمانبر می­باشند و برخی دیگر مثل روش­های تجربی اعتبار محلی دارند. استفاده از روشی که بتواند با توجه به ماهیت و استفاده­ی حداقل از داده­های اقلیمی تبخیر و تعرق را مدل کند، ضروری به نظر می­رسد. امروزه شبکه­های عصبی که شاخه­ای از هوش محاسباتی می­باشند، در علوم مختلف مورد استفاده قرار می­گیرند. در این تحقیق از داده­های روزانه­ی دو ایستگاه فرخشهر و فرودگاه شهرکرد در بازه­ی زمانی 2013- 2004 شامل دمای حداقل، دمای حداکثر، رطوبت نسبی میانگین، ساعات آفتابی و سرعت باد در ارتفاع دو متری تحت سناریوهای مختلف استفاده شد. ابتدا به محاسبه­ی چند روش تجربی در برآورد تبخیر و تعرق مرجع پرداخته شد. روش­های تجربی مورد استفاده این تحقیق هارگریوز، بلانی کریدل، پریستلی تیلور و جنسن هیز بودند. مدل شبکه­ی عصبی مصنوعی تحت سناریوهای مختلف داده­ی ورودی به کمک نرم‌افزار (R2012b) MATLABطراحی گردید. در این قسمت با انجام تست­های مختلف با توجه به حساسیت و میزان دقت مورد انتظار از دو تابع تانژانت سیگموئید و لوگ سیگموئید در لایه پنهان، تابع خطی در لایه خروجی و قاعده­ی آموزش لونبرگ مارکوات استفاده شد. برای ارزیابی مدل­ها از مدل پنمن مونتیث فائو 56 استفاده شد. شاخص­های آماری    RMSE وMAE  و  Rمحاسبه گردید. نتایج نشان داد که از بین ده سناریوی مورد بررسی، سناریوی یک با هر پنج متغیر ورودی، کمترین خطا را نسبت به روش فائو 56 و عملکرد بسیار بهتری نسبت به روش­های تجربی داشت. از بین روش­های تجربی نیز مدل پریستلی تیلور و هارگریوز عملکرد بهتری داشتند. همچنین نتایج آنالیز حساسیت نشان داد که دمای ماکزیمم و سرعت باد بیشترین تاثیر را بر تبخیر و تعرق مرجع در این منطقه داشتند.