طبقه بندی میزان تبخیر و تعرق پتانسیل با استفاده از شبکه های عصبی خودسازمانده (Self Organizing Map)

Abstract

تبخیـر و تعـرق پتانـسیل نقش مهمی در مطالعات کشاورزی، طرحهای مدیریت منابع آب، طراحی شبکه‌هـای آبیـاری و زهکشی و سازه‌های آبی دارد. با توجه به اهیمت این پارامتر در این مطالعه اقدام به طبقه بندی تبخیر و تعرق پتانسیل در جنوب استان فارس با استفاده از شبکه‌های عصبی خودسازمانده (SOM) شد. در این مطالعه داده‌های 7 پارامتر حداقل، میانگین و حداکثر دما، ساعات آفتابی، سرعت باد، حداکثر ساعات آفتابی و رطوبت نسبی با روش SOM طبقه‌بندی و خوشه‌بندی شدند. نتایج حاصل از این طبقه بندی نشان داد که دماهای حداقل، حداکثر و میانگین در منطقه مورد مطالعه دارای ارتباط معنی داری با یکدیگر می‌باشند. همچنین دمای حداقل، حداکثر و میانگین ارتباط معکوس با میزان رطوبت هوا در منطقه مورد مطالعه دارند. بر اساس شبکه عصبی خودسازمانده و استفاده از 7 داده به عنوان داده‌های ورودی مدل مشخص شد که تبخیر و تعرق در منطقه مورد مطالعه را می‌توان در 3 کلاس طبقه بندی نمود. به طوری که کلاس 3 دارای بیشترین تبخیر و تعرق و کلاس 1 دارای کمترین تبخیر و تعرق در منطقه مورد مطالعه باشند.