سال انتشار: ۱۳۸۸

محل انتشار: دهمین سمینار سراسری آبیاری و کاهش تبخیر

تعداد صفحات: ۸

نویسنده(ها):

حمید کاردان مقدم – دانشجوی کارشناسی ارشد منابع آب دانشگاه بیرجند
علی شهیدی – استادیار گروه مهندسی آب دانشگاه بیرجند
زهرا رحیم زاده – دانشجوی کارشناسی ارشد منابع آب دانشگاه بیرجند
محمد جواد نحوی نیا – دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه تهران

چکیده:

تبخیر و تعرق به عنوان یکی از عمده ترین اجزاء چرخه هیدرولوژیکی، در مطالعات، طراحی و مدیریت سیستم های آبیاری اهمیت فراوان دارد. لکن تعداد پارامترهای مورد نیاز در محاسبه تبخیر و تعرق از یکسو و عدم صحیح اندازه گیری برخی پارامترها از سوی دیگر سبب گردیده که تخمین درست این پارامتر در برخی نقاط با مشکلاتی روبرو باشد. هدف از این مطالعه ارزیابی عملکرد شبکه عصبی مصنوعی(ANN) در برآورد تبخیر و تعرق پتانسیل(ET0) و مقایسه آن با روش تجربی بلانی کریدل در دشت بیرجند می باشد. برای این منظور از شبکه های پرسپترون چند لایه، قانون یادگیری پس انتشار خطا و داده های هواشناسی ایستگاه سینوپتیک بیرجند، طی یک دوره آماری ۲۰ ساله استفاده شد. بر این اساس با استفاده از معیارهای RMSE، R²، MAE بهترین مدل شبکه عصبی در این منطقه Multilayer perceptron انتخاب گردید و مشخص گردید که شبکه عصبی مصنوعی در شرایط فقدان اطلاعات کافی، راهکار مناسبتری نسبت به روشهای تجربی به شمار روند.