فرآیندی که به نام تبخیر- تعرق شناخته می شود از اهمیت بسزایی برخوردار است. برنامه ریزی زمان و مقدار آبیاری و ظرفیت سیستم های آبیاری براساس تبخیر- تعرق حداکثر تعیین می شود. روش دقیق برآورد آن استفاده از لایسی متر است که کاربرد آن با محدودیت مواجه می باشد. بنابراین بایستی از مدل های ریاضی استفاده نمود که مناسب ترین آن ها روش ترکیبی فائو- پنمن- مانتیث (استاندارد) است. با توجه به محدودیت اندازه گیری پارامترهای هواشناسی در ایستگاه های تبخیرسنجی، هزینه بالای تأسیس ایستگاه های سینوپتیک جدید و همچنین اختلاف قابل توجه مقادیر روش هارگریوز- سامانی نسبت به روش استاندارد، روش هارگریوز- سامانی نیازمند به یک ضریب اصلاحی است که مقادیر تبخیر- تعرق پتانسیل گیاه مرجع را در هر منطقه ای که ایستگاه اقلیم شناسی (تبخیرسنجی) وجود دارد، برآورد نمود. معادلات ضریب اصلاحی چند متغیره رگرسیونی در شش فرم کلی با استفاده از پارامترهای دمای حداکثر، دمای حداقل، دمای متوسط، تفاضل دمای حداکثر و حداقل و رطوبت نسبی و ترکیبی از پارامترهای فوق در دوره آماری 80 درصد، با استفاده از نرم افزار آماری محاسبه شدند و ضرایب این معادلات با استفاده از الگوریتم ژنتیک بهینه شدند. مقادیر تبخیر- تعرق پتانسیل اصلاح شده در دوره آماری 20 درصد، نسبت به مقادیر روش استاندارد با استفاده از شاخص های آماری ارزیابی شدند و نمودار خط ایده آل نیز رسم شد. پس از رتبه بندی شاخص های آماری و محاسبه مجموع رتبه بندی، معادلات ضریب اصلاحی چند متغیره رگرسیونی و هوشمند با کمترین رتبه به عنوان اولویت اول برای هر یک از ایستگاه های سینوپتیک سه استان شمالی انتخاب شدند. در مرحله پایانی معادلات رگرسیونی و هوشمند با اولویت اول، با استفاده از شاخص های آماری ارزیابی و رتبه بندی شدند و مناسب ترین معادله ضریب اصلاحی برای هر یک از ایستگاه های سینوپتیک انتخاب شد. واژه های کلیدی: الگوریتم ژنتیک، تبخیر- تعرق، روش فائو- پنمن- مانتیث و ضریب اصلاحی.