تقدير البخرنتح المرجعي لمنطقة سرت باستخدام الشبكات العصبية الاصطناعية

الملخص

في هذه الورقة، تم تطوير طريقة جديدة مبنية عى تقنية الشبكات العصبية لتقدير البخرنتح
المرجعي بالاعتاد عى متوسط درجة الحرارة، ومتوسط الرطوبة النسبية، وكذلك الإشعاع الشمسي
لمنطقة سرت. ولمعرفة مدى دقة هذه الطريقة تمت مقارنتها مع طريقة بنان مونتيت المعدلة
FAO - Penman-Monteith( (، والتي استعملت كطريقة قياسية مقارنة، كا تمت مقارنتها مع بعض الطرائق
التجريبية الأخرى، وهي طريقة باني كريدل المعدلة ) Doorenbos and Pruitt, 1977 (، وهارجريفس- ساني
Hargreaves and Samani, 1985( ( التجريبية. حيث تم استخدام البيانات المناخية المتوفرة لمنطقة سرت
للفرة الزمنية من 1996 وحتى 2005 . أظهرت النتائج المتحصل عليها المقاربة الدقيقة لتقدير الشبكات
العصبية الاصطناعية للبخر نتح المرجعي مع طريقة بنان مونتيت المعدلة. ويتضح ذلك من خال قيم
معاير اختبار أداء الناذج، وهي متوسط الخطأ المطلق ) MAE (، والجذر التربيعي لمربع الخطأ ) RMSE (، ومعامل
ناش-ساتكليف ) C2 (، حيث كانت قيم معاير اختبار أداء الناذج جيدة لتقديرات الشبكات العصبية مقارنة
بالقيم المتحصل عليها من معادلة هارجريفس- ساني ومعادلة باني- كريدل المعدلة، ويظهر ذلك جليا من
خال قيم النسبة المئوية لانحراف القيم المتنبأ بها عن تلك المقدرة بطريقة بنان مونتيت المعدلة، حيث
بلغت + 2 % لتقدير الشبكات العصبية، بينا بلغت - 18 % لمعادلة هارجريفس-ساني و- 10 % لمعادلة باني-
كريدل المعدلة، كا أكدت النتائج أن طريقة الشبكات العصبية الاصطناعية هي الأفضل في تقدير البخرنتح
المرجعي مقارنة بمعادلة هارجريفس- ساني ومعادلة باني- كريدل المعدلة لمنطقة سرت.
الكلات الدالة: البخرنتح المرجعي، الشبكات العصبية الاصطناعية، معادلة بلاني، كريدل، معادلة هارجريفس،
سماني، سرت