Abstrait

Modèles conceptuels de référence d'évapotranspiration pour différentes périodes de temps

Laaboudi A, Mouhouche B et Draoui B

L'évapotranspiration est l'une des composantes de base du cycle hydrologique et est essentielle pour estimer les besoins en eau d'irrigation. L'utilisation de réseaux neuronaux artificiels (RNA) dans l'estimation de l'évapotranspiration de référence a suscité un énorme intérêt au cours de la présente décennie. Cet article décrit les résultats obtenus en utilisant des techniques de réseau neuronal pour améliorer la précision de l'estimation de l'évapotranspiration de référence dans différentes situations. Comme les réseaux neuronaux se sont avérés être des approximateurs universels parcimonieux de fonction non linéaire, nous avons exploité cette propriété pour construire divers modèles en situation d'absence de paramètres météorologiques et à différents pas de temps. L'équation de Penman-Monteith (PM) de la FAO-56 a été utilisée pour calculer les valeurs d'évapotranspiration de référence. L'étude a montré que la technique du réseau neuronal a réalisé les meilleurs modèles même lorsqu'on craignait le risque de colinéarité et a fourni les meilleurs résultats en choisissant une architecture appropriée. Ils ont pu réduire à la fois les valeurs de l'erreur quadratique moyenne et de l'erreur relative absolue moyenne et en même temps maximiser l'efficacité de Nash-Sutcliffe et les valeurs de détermination des coefficients.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié