مدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر

Abstract

تبخیر یکی از مؤلفه‌های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل‌های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده‌های ورودی برای برآورد تبخیر از تشت با استفاده از شبکه‌های عصبی برای منطقه شمال کشور مورد بررسی قرار گرفت. داده‌های اندازه‌گیری شده هواشناسی برای یک دوره ده ساله (1996 تا 2003) از 8 ایستگاه هواشناسی واقع در حاشیه دریای خزر جمع‌آوری شد. نتایج نشان داد، پارامترهای دمای بیشینه و کمینه هوا، رطوبت نسبی، سرعت باد و ساعات آفتابی، حداقل داده‌های هواشناسی برای برآورد تبخیر از تشت هستند. میانگین جذر مربع خطا (RMSE) و ضریب تعیین (R²) بین مقادیر بدست آمده از مدل شبکه عصبی با ورودی‌های فوق و مقادیر واقعی به ترتیب 32/0 میلیمتر در روز و 93/0 بودند. ترسیم مقادیر برآورد شده و واقعی نشان داد، 76 درصد داده‌ها در محدوده %15± خطا واقع می‌شوند.