سید مصطفی بی آزار - دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز
فاطمه بانان فردوسی - دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز
افشین اشرف زاده - استادیار و عضو هیات علمی دانشگاه گیلان

تبخیر یکی از پارامترهای مهم در هیدرولوژی و مدیریت منابع آب است که مورد توجه محققان قرار دارد. در این پژوهش، با استفاده از آمار روزانه هواشناسی ایستگاه رشت به آموزش شبکه عصبی مصنوعی پرسپترون چند لایه پرداخته شد. برای سادهتر کردن مدل و انتخاب پارامترهای حساستر نسبت به تبخیر از روش ماتریس همبستگی استفاده گردید، که با توجه به نتایج ماتریس همبستگی پارامترهای دمای حداکثر، دمای متوسط، دمایحداقل و ساعات آفتابی به عنوان متغیرهای ورودی و تبخیرروزانه به عنوان متغیر خروجی استفاده شد. به منظور ارزیابی کارایی روش به کار رفته، از شاخص های آماری ضریب تعیین R2 و جذر میانگین مربعات خطا RMSE نیز استفاده گردید نتایج این تحقیق نشان داد که شبکه عصبی پرسپترون چند لایه با مقادیر R2 و جذر میانگین مربعات خطا RMSE نیز استفاده گردید نتایج این تحقیق نشان داد که شبکه عصبی پرسپترون چند لایه با مقادیر R2 و RMSE در مرحله آزمون به ترتیب 0/89و0/86 از عملکرد قابل قبولی در شبیه سازی تبخیر روزانه ایستگاه رشت برخور دار است

تحلیل حساسیت،شبکه عصبی مصنوعی،تبخیر روزانه