تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را به دنبال دارد. تبخیر و تعرق یک جز اصلی از چرخه ی هیدرولوژیکی است و برآورد دقیق آن در مدیریت منابع آب نقش بسزایی دارد.این پدیده پیچیده و غیر خطی می باشد و عوامل مختلفی در برآورد آن دخیل هستند.روش های مختلفی در تخمین این پدیده وجود دارد .یکی از روش هایی که در سالیان اخیر در مطالعات تبخیر و تعرق مطرح شده است روش های هوشمند می باشند. هدف از این تحقیق ارزیابی چند روش تجربی و مدل شبکه ی عصبی تحت سناریو مختلف داده ورودی در ایستگاه هواشناسی مرکز تحقیقات و منابع طبیعی شهرکرد می باشد..روش های تجربی عبارت از هارگریوز، پریستلی تیلور، ماکینگ، بلانی کریدل می باشند .شبکه ی عصبی طراحی شده یک شبکه ی پیشخور با قاعده ی آموزش لونبرگ مارکوات با تابع تانژانت سیگموئید در لایه پنهان و تابع خطی در لایه خروجی می باشد. برای ارزیابی مدل ها از روش پنمن مونتیث فائو 56 استفاده شده است. شاخص های آماری R ، RMSE و MAE محاسبه گردید. نتایج نشان داد که مدل های شبکه ی عصبی نسبت به روش های تجربی عملکرد بهتری دارند.دربین روش های تجربی روش پریستلی تیلور و هارگریوز عملکرد مطلوب تری را نشان دادنددارند.