برآورد تبخیر و تعرق با استفاده از لایسیمتر و مقایسه ی آن با داده های شبیه سازی شده در شبکه ی عصبی مصنوعی(مطالعه ی موردی:کاشان)

شهرستان کاشان، یکی از مناطق خشک و نیمه خشک کشور محسوب می شود و با کمبود شدید منابع آبی مواجه است. بنابراین ضروری است تا با برنامه ریزی هدفمند و مدیریت کارآمد منابع آب و همچنین اولویت بندی مناطق مختلف از نظر خشکی، تا حد ممکن از بروز مشکلات جدی ناشی از کم آبی در شهرستان جلوگیری شود. یکی از مولفه های مهم جهت مدیریت بهینه ی منابع آب، برآورد تبخیر و تعرق در سطح منطقه ای است. در این تحقیق به منظور برآورد میزان تبخیر و تعرق دشت کاشان، لایسیمتر زهکش دار، انواع روش های تجربی و نرم افزارهای مبتنی بر روش های تجربی [شامل optiwat (3 روش)، cropwat و ref-et (15 روش)] مورد استفاده قرار گرفت. همچنین مدل های شبکه ی عصبی مصنوعی mlp و rbf (37 معماری با انواع توابع محرک و الگوریتم های آموزشی) با استفاده از نرم افزار neuro solution و 15 مدل سری زمانی با استفاده از نرم افزار statgraphicx64 به منظور شبیه سازی و پیش بینی تیخیر و تعرق استفاده شدند. البته، به منظور بررسی دقیق تر و گزارش بهتر نتایج، دوره های آماری بلندمدت (برمبنای داده های تشت تبخیر) و کوتاه مدت (برمبنای داده های لایسیمتر) اساس تحقیق قرار گرفتند. در نهایت نتایج نشان داد که به ترتیب، مدل های شبکه ی عصبی مصنوعی rbf با تابع محرک تانژانت هایپربولیک خطی و الگوریتم دلتا بار دلتا، سری زمانی با مدل exp. smoothing with alpha holt’s linear و سپس روش تجربی فائو- پنمن- مانتیث و بلانی کریدل، کارایی بالاتری در برآورد تبخیر و تعرق در مقایسه با داده های تشت تبخیر دارند. همچنین تمامی روش های مذکور با داده های لایسیمتری کوتاه مدت مورد مقایسه قرار گرفتند. نتایج این مقایسه نشان داد که به ترتیب، مدل های شبکه ی عصبی مصنوعی mlp با تابع محرک سیگموئید و الگوریتم مومنتم، سری زمانی با مدل arima(2,0,1) و سپس روش های تجربی هارگریوز (1985) و تورنت وایت، کارایی بالاتری را در برآورد تبخیر و تعرق دارند. در نهایت براساس مدل برتر شبکه ی عصبی مصنوعی، میزان تبخیر و تعرق برای ایستگاه های مختلف منطقه برآورد شد و پس از بررسی 50 روش مختلف میان یابی، براساس روش های برتر زمین آمار، مقادیر تبخیر و تعرق پتانسیل برای سطح حوزه ی آبخیز کاشان پهنه بندی گردید.