بررسی کارایی مدلهای شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی در پیش بینی تبخیر

تبخیر یکی از فرایندهای بسیار مهم در هواشناسی و هیدرولوژی میباشد که پیش بینی دقیق آن در برنامه ریزی و مدیریت درست آب از اهمیت بالایی برخوردار است از این رو این تحقیق با هدف مدل سازی تبخیر از تشتک به کمک شبکه عصبی مصنوعی به استفاده از ورودیهای مختلف دادههای هواشناسی شامل متوسط درجه حرارت هوا میانگین سرعت باد میانگین رطوبت نسبی و ساعات آفتابی انجام شد. پس از عمل استانداردسازی از ۸۵ درصد داده ها جهت تعلیم شبکه استفاده شد. مقایسه کارایی مدلها توسط شاخصهای اعتبار سنجی ریشه میانگین مربعات خطا (RMSE) میانگین مطلق خطا (MAE) و ضریب ناس - ساتکلیف (NSF) انجام شد. نتایج نشان داد که نوع پارامتر ورودی تاثیر بسزایی در مشخصات مدل شبکه عصبی دارد. تنها با عامل متوسط درجه حرارت هوا میتوان با ضریب تبیینی قابل قبول شبیه سازی تبخیر روزانه را با مدل شبکه عصبی پایه شعاعی انجام داد و با افزایش دادن سه متغیر دیگر به ورودی مدل شامل متوسط سرعت باد رطوبت نسبی و ساعت آفتابی دقت شبیه سازی را میتوان تا ۵ درصد در داده های آموزش و جهت تحقق این مهم استفاده از مدل شبکه عصبی با ساختار پرسپترون چندلانه از نوع پیشرو پیشنهاد میشود.