پیش بینی دقیق تعرق گیاه در مدیریت بهینه گلخانه ها، جهت تولید محصول با کیفیت وکمیت بالا، نقش حیاتی دارد. از جمله دقیق ترین روش ها برای اندازه گیری تعرق، استفاده از لیسیمترهای وزنی و یا روش بیلان آبی می باشد. به علت هزینه بالا و طولانی بودن زمان اندازه گیری و همچنین نیاز به انجام آزمایشات دقیق، اندازه گیری تعرق با روش های فوقالذکر در گلخانه های موجود در سطح کشور معمولاً امکان پذیر نبوده و به صرفه نیست. علاوه بر آن اندازه گیری های انجام شده، خاص گلخانه مورد آزمایش بوده وقابل تعمیم به سایر گلخانه ها نمی باشد.تاکنون تحقیقات فراوانی برای یافتن ارتباط آنها معمولاًسعی شده با اندازه گیریهای آزمایشگاهی، منحنی مناسبی بر داداه های حاصل برازش شود.لیکن معمولاً ارتباط آنها به صورت خطی در نظر گرفته می شود و همین موضوع موجب ایجاد خطا در تخمین تعرق گیاهان گلخانه میگردد. هدف از این تحقیق استفاده از شبکه عصبی جهت تخمین نیاز آبی خیار گلخانه ای می باشد. به همین منظور، شبکه ای از نوع پرسپترون چند لایه با قانون یادگیری پس انتشار خطا برای بازیابی نگاشت غیر خطی میان تشعشعات خورشیدی داخل گلخانه و مقدار تعرق خیار گلخانه ای طراحی و به کمک آن مقدار تعرق تخمینی بدست آمد. نتایج نشان داد که انطباق خوبی بین مقادیرپیش بینی شده ی تعرق به وسیله شبکۀ عصبی مصنوعی و داده های اندازه گیری شده، وجود دارد و خطای ایجاد شده کمتر از روش تجربی ارائه شده به وسیله یانگ می باشد.
