علی خیراندیش - دانشجوی کارشناسی ارشد مهندسی عمران، دانشکده مهندسی عمران، دانشگاه سمنان
سعید فرزین - استادیار دانشکده مهندسی عمران، دانشگاه سمنان
خسرو حسینی - استادیار دانشکده مهندسی عمران، دانشگاه سمنان
علی اصغر هاشمی - استادیار دانشکده مهندسی عمران، دانشگاه سمنان

امروزه تخمین صحیح تبخیر به عنوان یکی از عناصر مهم چرخه هیدرولوژی، نقش مهمی را در توسعه پایدار و مدیریت بهینه منابع آبکشورهای مواجه با بحران آب میتواند ایفاء کند. تاکنون روشها و فرمول های تجربی فراوانی در زمینه برآورد فرایند غیر خطی و پیچیدهتبخیر از تشت ارایه شده که با عدم قطعیت می باشد و از دقت بالایی برخوردار نبوده و همچنین دسترسی به تمام پارامترهای ورودی آنهامشکل و یا اندازه گیری آنها محتاج صرف هزینه و زمان زیادی می باشند. در این تحقیق کارایی سه مدل ANFIS-GP, ANN وANFIS-SC جهت برآورد تبخیر ماهانه از تشت مورد ارزیابی قرار گرفته است. ورودی هر مدل شامل بارش، دما و رطوبت نسبی وخروجی میزان تبخیر از تشت تبخیر برای یک دوره 20 ساله (1393-1374) در ایستگاه واقع در شهر سمنان می باشد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی، حداکثر مقادیر ضریب تبیین ((R(2)به ترتیب 0/940، 0/938 و 0/840 مشاهده شد. برای مدل های شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی حداقل مقدار ریشه میانگین مربعات خطا (RMSE)؛ 41/471، 42/425 و 41/751 میلیمتر در روز می باشد.همچنین مقایسه شبکه های عصبی مصنوعی و سیستم فازی - عصبی تطبیقی نیز نشان داد که روش شبکه عصبی مصنوعی دارایمعیارهای ارزیابی مناسب تری نسبت به سیستم فازی - عصبی تطبیقی می باشد. بنابراین استفاده از شبکه عصبی مصنوعی جهت برآوردتبخیر از تشت برای منطقه مورد نظر توصیه می شود.

مدلسازی، شبکه عصبی مصنوعی، سیستم فازی - عصبی تطبیقی، تبخیر از تشت