Comparison of artificial neural networks and empirical equations to estimate daily pan evaporation

This study consists of two parts. In the first part, daily pan evaporation estimations are achieved by a suitable artificial neural network (ANN) model for the meteorological data recorded from the automated GroWheather meteorological station near Lake Egirdir, which lies in the Lake District of western Turkey. At this station six meteorological variables are measured simultaneously, namely, air temperature, water temperature, solar radiation, air pressure, wind speed and relative humidity. The ANN architecture has only one output neuron with up to four input neurons representing air and water temperatures, air pressure and solar radiation. Prior to ANN model construction the classical correlation study indicated the insignificance of wind speed and relative humidity in the Egirdir Lake area. Hence, the final ANN model has three input neurons in the input layer with one at the output layer. The hidden layer neuron number is found to be six after various trial and error model runs. In the second part, daily evaporation values are estimated using classical approaches such as the Priestley–Taylor, Brutsaert–Stricker, Makkink and Hamon methods. The comparison was first made using the original constant values involved in each equation, and then using the calibrated constant values. The results show that when the original constant values were used, the Priestley–Taylor, Brutsaert–Stricker and Makkink methods underestimated evaporation values, but the Hamon method overestimated them. When calibrated constant values were substituted for the original constant values, all four equations improved to estimate evaporation. While the mean square error (MSE) values varied between 6.27 and 49.2 for original constant values, they varied between 3.43 and 4.33 for calibrated constant values. Of the evaporation methods, the Hamon method improved well to estimate evaporation values. It is also noted that the ANN model is superior even to the classical approaches of the Priestley–Taylor, Brutsaert–Stricker, Makkink and Hamon methods. Copyright © 2008 John Wiley & Sons, Ltd. Cette etude se compose de deux parties. Dans la premiere partie, des evaluations quotidiennes d'evaporation sont realisees par un modele approprie de reseau neuronal (ANN) pour les donnees meteorologiques enregistrees a partir de la station meteorologique automatisee de GroWheather pres du lac Egirdir qui se situe dans la Region des lacs de la Turquie occidentale. A cette station six variables meteorologiques sont mesurees simultanement, a savoir, temperature de l'air, temperature de l'eau, rayonnement solaire, pression atmospherique, vitesse de vent et humidite relative. L'architecture de l'ANN a seulement un neurone en sortie avec jusqu'a quatre neurones en entree representant les temperatures de l'eau et de l'air, la pression atmospherique et la radiation solaire. Avant la construction du modele d'ANN l'etude classique de correlation a indique la non-signification de la vitesse du vent et de l'humidite relative dans la region du lac Egirdir. Par consequent, le modele final d'ANN a trois neurones en entree dans la couche d'entree et un dans la couche de sortie. Le nombre de neurones caches a ete finalement de six apres plusieurs passages du modele. Dans la deuxieme partie, les valeurs quotidiennes d'evaporation sont estimees en utilisant des approches classiques comme les methodes de Priestley–Taylor, de Brutsaert–Stricker, de Makkink et de Hamon. La comparaison a d'abord ete faite en utilisant les valeurs d'origine des constantes impliquees dans chaque equation, et puis en utilisant les valeurs calees des constantes. Les resultats prouvent que quand les valeurs d'origine ont ete employees, les methodes de Priestley–Taylor, de Brutsaert–Stricker et de Makkink ont sous-estime les valeurs d'evaporation, mais les methodes de Hamon les ont surestimees. Quand les valeurs calees ont ete substituees aux valeurs d'origine des constantes, pour les quatre equations pour les estimations de l'evaporation ont ete ameliorees. Tandis que les valeurs de l'erreur moyenne quadratique varient de 6.27 a 49.2 pour les valeurs d'origine des constantes, elles ont varie de 3.43 a 4.33 pour les valeurs calees par le modele. Parmi les methodes d'evaporation, la methode de Hamon s'est bien amelioree pour estimer des valeurs d'evaporation. On note egalement que le modele d'ANN est superieur meme aux approches classiques Priestley–Taylor, aux methodes de Brutsaert–Stricker, de Makkink et de Hamon. Copyright © 2008 John Wiley & Sons, Ltd.