fa مقایسه چند روش برآورد تبخیر روزانه از تشت- مطالعه موردی منطقه کرمان عمومی Ggeneral پژوهشي Research در این تحقیق، با استفاده از داده‌های مشاهده شده تشت کلاس A، کاربرد روش‌های رگرسیون غیر خطی، شبکه‌های عصبی مصنوعی، سیستم استنتاج فازی- عصبی و هم‌چنین روش تجربی استیفنز- استوارت، جهت برآورد تبخیر روزانه منطقه کرمان مورد بررسی قرار گرفت. در روش‌های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و رگرسیون غیر خطی، مقادیر دما، فشار، رطوبت نسبی، تابش خورشیدی و سرعت باد، با پنج ترکیب مختلف به عنوان متغیرهای ورودی و تبخیر از تشت به عنوان متغیر خروجی به کار گرفته شد. به منظور ارزیابی کارایی روش‌های به کار رفته، ضمن مقایسه مقادیر برآورد شده و مشاهده شده، هم‌چنین از شاخص‌های آماری ضریب تعیین (R2)، جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE) استفاده گردید. با توجه به داده‌های مورد استفاده مقادیر میانگین ماهانه و سالانه تبخیر منطقه به ترتیب 272 و 3263 میلی‌متر است. نتایج این تحقیق نشان داد که روش فازی- عصبی نسبت به بقیه روش‌ها، از دقت بیشتری برای برآورد تبخیر از تشت برخودار است. در این مدل، که در آن از تمام متغیرهای ورودی استفاده شده، مقادیر R2، RMSE و MAE در مرحله آزمون به ترتیب 85/0، 61/1 (میلی‌متر در روز) و 24/1 (میلی‌متر در روز) است. تحلیل حساسیت متغیرهای ورودی روش فازی- عصبی نشان داد که مقادیر دما و سرعت باد (به عنوان متغیرهای ورودی) به ترتیب بیشترین تأثیر را بر تبخیر دارا هستند. هم‌چنین با توجه به دقت کم مدل استیفنز- استوارت، سعی شد که مقادیر ضرایب تجربی آن با استفاده از داده‌های تابش و دما اصلاح گردد، که نتایج مطلوبی به دست نیامد. In this research, based on the observed data of Class A pan evaporation and application of non-linear regression (NLR), artificial neural network (ANN), neuro-fuzzy (NF) as well as Stephens-Stewart (SS) methods daily evaporation of Kerman region was evaluated. In the cases of NLR, ANN and NF methods, the input variables were air temperature (T), air pressure, relative humidity (RH), solar radiation (SR) and wind speed (U2) which were used in various combinations to estimate daily pan evaporation (Ep) defined as output variable. Performance of the methods was evaluated by comparing the observed and estimated data, using determination coefficient (R2), root mean square error (RMSE) and mean absolute error (MAE). Based on the observed data at Kerman meteorological station, the monthly and annual average evaporation values of the region were 272 and 3263 mm, respectively. The results of this study indicated that NF method is the most suitable method to estimate daily Class A pan evaporation. The statistics criteria of this model which is constituted based on the 5 input parameters were R2 = 0.85, RMSE=1.61 and MAE= 1.24 mm day-1. The sensitivity analysis of NF model revealed that the estimated EP is more sensitive to T and U2 (as the input variables), respectively. Due to weak accuracy of SS method, a new modification step of the model was also developed based on the SR and T in order to have a more exact daily evaporation estimation of the region. However, the result of the modified model was not acceptable برآورد تبخیر، فازی- عصبی، شبکه عصبی مصنوعی، رگرسیون غیر خطی، روش استیفنز- استوارت Evaporation estimation, Neuro-fuzzy, Artificial neural network, Non-linear regression, Stephens-Stewart method. 69 84 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-564-3&slc_lang=fa&sid=1 M. Shadmani مجتبی شادمانی No S. Marofi صفر معروفی smarofi@yahoo.com Yes