رطوبت نسبی از عوامل محیطی مؤثر بر رشد و شیوع بیماریهای گیاهی بوده و به دلیل ارتباط مستقیم آن با بارش از اهمیت ویژهای برخوردار است. لذا هدف پژوهش حاضر برآورد میانگین رطوبت نسبی در استان خراسان جنوبی بهعنوان منطقهای خشک با استفاده از شبکههای عصبی MLP و RBF میباشد. برای این منظور از امکانات نرمافزار RStudio و متغیرهای میانگین رطوبت نسبی، حداکثر رطوبت نسبی، حداقل رطوبت نسبی، میانگین، حداکثر و حداقل دمای هوای، میانگین سرعت باد، مجموع ساعات آفتابی در قالب 6 سناریو و در طی دوره آماری23 ساله (2000- 2023) استفاده گردید. نتایج نشان داد که مقدار همبستگی (R) بین دادههای مشاهدهشده و پیشبینیشده در هر دو روش برابر 98/0 درصد، مقدارR2در روش MLP برابر 953/0 و در روش RBF برابر 965/0 درصد، مقدار RMSE برای روش MLP برابر 845/0 و برای روش RBF برابر 740/0 درصد و مقدار MSE برای روش MLP برابر 714/0 و برای روش RBF برابر 548/0 درصد میباشد. درمجموع شبکههای MLP و RBF دقت نسبتاً مناسبی را در تخمین میانگین رطوبت نسبی سالانه دارا میباشند، ولی خطای شبکه RBF (561/0) کمتر از شبکه MLP (707/0) بوده و از عملکرد بهتری نسبت به MLPدر برآورد رطوبت نسبی برخوردار است.
(2).jpg)
