چکیده ندارد.

تبخیر، همچون بخش مهمی از چرخه هیدرولوژی، نقش کلیدی در توسعه و مدیریت منابع آب در مناطق خشک و نیمه خشک بازی می کند. اگرچه روش های تجربی زیادی وجود دارد با این حال به علت پیچیدگی طبیعت فرآیند تبخیر و داده های موجود، انجام آنها چندان رضایت بخش نیست. در این تحقیق یک مدل برآورد تبخیر بر اساس روش شبکه عصبی- فازی (anfis) ایجاد شد، که پنج نوع تابع عضویت با نام های گوسی، گوسی ترکیبی، زنگوله ای شکل، سیگموئیدی و دو سیگموئیدی مورد مقایسه قرار گرفت که از این بین تابع عضویت نوع گوسن بهترین نتیجه را ارائه داد. همچنین در این تحقیق شبکه عصبی- فازی با تعداد 2، 3 و 4 تابع عضویت مورد استفاده قرار گرفت که بهترین نتیجه با تعداد 3 تابع عضویت حاصل شد. این روش anfis در مقایسه با روش های تجربی از کارایی بهتری برخوردار است ( anfis با ضریب نش معادل 945/0 و روش مایر با ضریب نش برابر با 216/0). اگرچه روش anfis به نظر قوی است، انتخاب داده های ورودی کاملاً سخت و پیچیده می باشد. در این تحقیق از الگوریتم ژنتیک (ga) برای انتخاب بهترین ترکیب ورودی استفاده می شود. بسیاری از مطالعات به نتایج حاصل از این بخش نیازمندند. در این تحقیق از آزمون گاما (gt)، برای انتخاب داده های آموزشی استفاده می شود، و همچنین این روش مهمترین عوامل موثر در تبخیر را تعیین می کند. در پایان مقدار تبخیر با روش anfis با ضریب نش 811/0 پیش بینی گردید، همچنین ضریب تشتک تبخیر برای ایستگاه چاه نیمه به دست آمد که این ضریب برابر با 64/0 می باشد.