برآورد تبخیر و تعرق ماهیانه به‌کمک مدل شبکة عصبی فازی و مدل رگرسیون چندگانه و مقایسة نتایج آن‌ها با داده‌های واقعی فائو-پنمن-مانتیس

در دهه‌های اخیر، به‌دلیل اهمیت‌یافتن مسئلة آب و افزایش تمایل به محاسبة مقدار رواناب حاصل از بـارش، توسـعه و اجـرای روش‌های مناسب برای پیش‌بینی آن با توجه به داده‌های بارش به مسئله‌ای ضروری تبدیل شده است.آگاهی از میزان تبخیر و تعرق یا آب مصرفی گیاه، اساس برنامه‌ریزی صحیح آبیاری به‌شمار می‌آید. یکی از مهم‌ترین روش‌های بهبود مدیریت مصرف آب، به‌ویژه در بخش کشاورزی که سهم عمدة مصرف آب را در کشور دارد، تخمین دقیق آب مصرفی گیاه است که وابستگی مستقیمی با میزان «تبخیر و تعرق» در گیاهان دارد؛ بنابراین برآورد تبخیر و تعرق به‌دلیل اعمال برنامه‌های صحیح مدیریتی در بخش منابع آب ضرورتی انکارناپذیر است. روش‌های بسیاری برای پیش‌بینی تبخیر و تعرق وجود دارد؛ از جمله روش مرجع فائو-پنمن-مانتیس. در این زمینه، پژوهش‌های متعددی در داخل کشور انجام شده است. براین‌اساس بیشتر پیش‌بینی‌ها مبتنی بر روش‌های تجربی بوده و کمتر از روش‌های نوین استفاده شده است. در این پژوهش، نتایج پیش‌بینی تخمیر و تعریق دو روش شبکه‌های عصبی مصنوعی و رگرسیون درختی مقایسه شده است. همچنین به‌منظور ارزیابی کارایی، روش‌های میانگین درصد خطا، میانگین مربعات خطا، شاخص پراکندگی و پارامتر انحراف کاربرد داشته است.