@article { author = {Karimi, Sepideh and Shiri, jalal and Nazemi, Amir hossein}, title = {Estimating Daily Reference Crop Evapotranspiration Using Artificial Intelligences-Based ANFIS and ANN Techniques and Empirical Models}, journal = {Water and Soil Science}, volume = {23}, number = {2}, pages = {139-158}, year = {2013}, publisher = {University of Tabriz}, issn = {2008-5133}, eissn = {2717-3755}, doi = {}, abstract = {Evapotranspiration, as a major component of the hydrologic cycle, is important in water resources development and irrigation planning. This paper aimed at investigating the abilities of Adaptive Neuro-Fuzzy Inference System (ANFIS) to estimate daily reference evapotranspiration (ET0). The daily climatic variables such as air temperature, relative humidity, wind speed and solar radiation from two weather stations (Salvatierra and Zambrana) in Spain equipped with electronic sensors for collecting of climatic data, were used as inputs to the Neuro-Fuzzy model to estimate ET0. Comparisons were made among the estimates provided by the ANFIS, Artificial Neural Networks (ANNs) and following the empirical models: Hagreaves – Samani, Ritchie, Makkink and Turc. The comparisons revealed that the ANFIS models (with RMSE between 0.276-0.437 mm) could be employed successfully in modeling evapotranspiration process. The ANNs (with RMSE between 0.298-12.5 mm) were also found to perform better than the empirical models in this regard.}, keywords = {Empirical equations,Neural Networks,Neuro-Fuzzy System,Reference crop evapotranspiration}, title_fa = {تخمین تبخیر و تعرق روزانه گیاه مرجع با استفاده از سیستم¬های هوش مصنوعی (ANN و ANFIS) و معادله¬های تجربی}, abstract_fa = {فرآیند تبخیر و تعرق به عنوان یکی از مؤلفه­های اصلی چرخه هیدرولوژیک دارای اهمیت فراوانی در مدیریت و توسعه منابع آب و نیز برنامه­ریزی آبیاری می­باشد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج عصبی – فازی تطبیقی در بهبود تخمین میزان تبخیر و تعرق روزانه گیاه مرجع (ETo) پرداخته شد. داده­های اقلیمی بکار گرفته شده در این مطالعه، شامل دمای هوا، تشعشع خورشیدی، سرعت باد و رطوبت نسبی می­باشد که از دو ایستگاه هواشناسی مجهز به دستگاه­های اندازه­گیری الکترونیکی (سالواتیرا و زامبرانا) در کشور اسپانیا اخذ گردیده و به عنوان ورودی­های مدل عصبی– فازی به منظور تخمین میزان  ETo بر اساس معادله پنمن- فائو- مونتیث  مورد استفاده قرار گرفتند. نتایج حاصل از مدل­های عصبی– فازی و شبکه عصبی مصنوعی و نیز معادله­های تجربی هارگریوز-سامانی، ریتچی، مک کینگ و تورک در منطقه مقایسه شدند. حاصل تحقیق بیانگر دقت بالای مدل های عصبی- فازی با مقادیر RMSE بین 276/0 تا 437/0میلی­متر در تخمین میزان تبخیر و تعرق (نیاز آبی) روزانه گیاه مرجع می­باشد. مدل­های شبکه عصبی مصنوعی با مقادیر RMSE بین 298/0 تا 5/12میلی­متر نیز عملکرد بهتری نسبت به معادله های تجربی نشان دادند.}, keywords_fa = {تبخیر و تعرق گیاه مرجع,سیستم عصبی-فازی,شبکه¬های عصبی مصنوعی,معادله های ¬تجربی}, url = {https://water-soil.tabrizu.ac.ir/article_112.html}, eprint = {https://water-soil.tabrizu.ac.ir/article_112_0ed27ed3573300a80819889e72c5f492.pdf} }