مقایسه تبخیر- تعرق پتانسیل با روش پنمن- مانتیث اصلاح شده، مدلسازی شبکه های عصبی مصنوعی و سیستم فازی با داده های لایسیمتری(مطالعه موردی: ایستگاه تحقیقات کهریز ارومیه).

تبخیر و تعرق مرجع یکی از عوامل مهم سیکل هیدرولوژیکی است که باید در طرح های آبیاری، مطالعات زهکشی و هیدرولوژیکی برآورد شود و دقیق ترین روش برای برآورد آن، لایسیمتر است اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر- تعرق با استفاده از پارامترهای هواشناسی و به کار بردن مدل های تجربی انجام می گیرد که در این میان، معادله پنمن- مانتیث- فائو به عنوان روش استاندارد محاسبه تبخیر و تعرق مرجع شناخته می شود از آنجایی که این روش به تجهیزات هواشناسی گران قیمتی نیاز دارد کاربرد آن در بسیاری از مناطق محدود شده است بنابراین استفاده از روش های ساده که به داده های کمتر هواشناسی نیاز باشد، مورد توجه است ولی این روش ها برای دوره های زمانی ماهانه و بیشتر معتبر می باشد. با توجه به اینکه تبخیر و تعرق، فرآیندی پیچیده و غیرخطی است؛ لذا استفاده از روش هایی که بتوانند این پیچیدگی را مدل سازی نمایند، الزامی به نظر می رسد. از اینرو در این تحقیق از شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی و رگرسیون خطی چندگانه که ابزار مناسبی برای این منظور هستند، استفاده شد، به این منظور بر اساس داده های اقلیمی روزانه و داده های 4 ساله لایسیمتری ایستگاه کهریز ارومیه، مقدار تبخیر- تعرق به روش های مذکور محاسبه گردید. نتایج حاصل از محاسبات نشان داد که شبکه عصبی مصنوعی با 4 پارامتر ورودی، یک لایه پنهان و 5 نرون با توجه به شاخص های آماری mae، nrmse، rmse و r2 به ترتیب برابر با 54/7، 09/0، 71/9 و 8002/0 نسبت به روش پنمن- مانتیث- فائو، مدل رگرسیون خطی چندگانه و مدل anfis همخوانی بیشتری با داده های لایسیمتری منطقه مورد نظر دارد.