ناصر گنجی خرم دل (مرحوم)

برآورد تبخیر و تعرق به منظور کاربرد در برنامه ریزی، طراحی و مدیریت طرح های آبیاری و زهکشی و مدیریت منابع آب ضروری می باشد. در این تحقیق به ارزیابی مدل های شبکه عصبی مصنوعی ، مدل شبکه عصبی-موجک، رگرسیون چند متغیره و روش تجربی هارگریوز در برآورد تبخیر و تعرق مرجع به منظور تعیین بهترین مدل از نظر میزان کارایی با توجه به داده های موجود پرداخته شد. از داده های روزانه دو ایستگاه هواشناسی فرودگاه شهرکرد و فرخشهر در منطقه خشک و سرد شهرکرد در بازه ی زمانی 2013-2004 شامل دمای حداقل و حداکثر، رطوبت نسیبی میانگین، سرعت باد در ارتفاع دو متری و ساعات آفتابی استفاده گردید. 75 درصد داده ها یرای آموزش و اعتبار سنجی و 25 درصد داده ها برای تست مدل ها استفاده گردید. شبکه ی طراحی شده یک شبکه عصبی پیشخور با تابع فعال تانژانت سیگموئید در لایه پنهان می باشد. در مرحله ی بعدی موجک های مختلف Haar، db و Sym بر روی داده ها اعمال گردید و شبکه عصبی- موجک طراحی گردید. برای ارزیابی مدل ها روش پتمن مونتیث فائو مبنای کار قرار گرفت. برای هر چهار روش استفاده شده شاخص های آماری RMSE، MAE و R محاسبه و رتبه دهی شدند. نتایج نشان داد که از میان مدل های طراحی شده، شبکه عصبی موجک با موجک db5 عملکرد بهتری نسبت به موجک های دیگر و همچنین نسبت به شبکه عصبی مصنوعی، روش آماری رگرسیون چند متغیره و روش هارگریوز داشته است. نتایج مدل شبکه عصبی-موجک با موجک db5 در ایستگاه فرخشهر به ترتیب برابر 2668/0، 2067/0 و 998/0 و در ایستگاه فرودگاه به ترتیب برابر 2138/0، 14/0 و 9989/0 محاسبه گردید. نتایج نشان داد که شبکه عصبی-موجک عملکرد دقیق تری نسبت به سایر مدل های مورد بررسی در این تحقیق داشت.