پیش بینی تلفات تبخیرو بادبردگی در سامانه های آبیاری بارانی با استفاده از شبکه های عصبی مصنوعی

تلفات تبخیر و بادبردگی (WDEL) در سامانه های آبیاری بارانی عاملی است که دریافت آب در نقاط مختلف مزرعه را دستخوش تغییر می کند و باعث کاهش یکنواختی پاشش می گردد. لذا پیش بینی این تلفات می تواند نقش مهمی در بهبود عملکرد آنها ایفا نماید. در این پژوهش از شبکه های عصبی مصنوعی برای برآورد ساعتی راندمان دبی آب پاش (SDE) استفاده شده است که این پارامتر، خود وابسته به تلفات بادبردگی و تبخیر است. پارامترهای موثر در برآورد WDEL که به عنوان ورودی شبکه عصبی مدنظر قرارگرفت با محاسبه ضرایب همبستگی رتبه بندی اسپرمن انتخاب شدند. بر این اساس، سرعت باد، دما، رطوبت نسبی و تبخیر- تعرق مرجع به عنوان ورودی و SDE به عنوان خروجی مدل مدنظر قرارگرفت. ارزیابی عملکرد مدل شبکه عصبی ایجاد شده با استفاده از ۱۰۲۴ داده بدست آمده توسط ساختار نواری برآورد WDEL صورت گرفت. مدل شبکه عصبی پیشنهادی که یک مدل ۱-۱۶-۱۹-۴ با تابع آموزش مبتنی بر تنظیم بیزین است پس از بررسی ۳۷۸۰ مدل متفاوت انتخاب گردید. نتایج نشان داد که مدل توسعه داده شده می تواند با دقت بالایی مقادیر ساعتی SDE را برآورد کند (۱۹/۱ =MAPE، ۶/۱ % =RMSE، ۸۴/۰= R) و به عنوان یک روش قابل اتکاء در ارزیابی عملکرد سامانه های آبیاری بارانی استفاده شود.