حمید زارع ابیانه

چکیده در این تحقیق، کارائی دو نرمافزار شبکه عصبی مصنوعی (ANN) در برآورد تبخیر-تعرق گیاه مرجع ET 0 بررسی گردید. بدین منظور از داده های 2 سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرم افزارمرسومNW و NS با قابلیت به کارگیری آلگوریتمهای متفاوت، به کار رفت. جهت ارزیابی اجرای دو نرم افزار برای آرایشها، قواعد یادگیری و توابع محرک مختلف، از شاخصهای آماری جذر میانگین مربعات خطا (RMSE)، میانگین خطای مطلق(MAE) و ضریب تعیین R2 استفاده شد. اجرای نرم افزار NS آرایش مطلوب با ویژگی حداقل RMSE، MAE و حداکثر R2 در مقایسه با ارقام مشاهداتی (لایسیمتری) به ترتیب معادل 08 .0 (میلیمتر در روز) و 07 .0 (میلیمتر در روز) و 0.78 به دست آمد. نتایج تحقیق نشان داد نرم افزار NS با آرایش مطلوب که ویژگی مدل آموزشی گرادیان مزدوج و تابع محرک سیگمویید را دارا باشد، نسبت به نرم افزارNW با توجه به تعداد تکرار کمتر و زمان محاسباتی کوتاهتر برتری دارد. نتایج نشان داد وجود دو لایه پنهان نسبت به یک لایه پنهان بر دقت تبخیر-تعرق برآورد شده از نرم افزار، تاثیری نداشت. بررسی حساسیت مدل شبکه عصبی مصنوعی نشان داد که تبخیر- تعرق بیشترین وابستگی را به حداکثر دمای هوا و کمترین وابستگی را به حداقل رطوبت نسبی دارد.