ارزیابی مدل های هوشمند داده محور در برآورد تبخیر- تعرق مرجع روزانه در چند اقلیم سواحل جنوبی دریای خزر

در بسیاری از مطالعات تعیین میزان دقیق متغیر تبخیر-تعرق از اهمیت ویژه ‍ ایی برخوردار است. مدل های هوشمند داده محور دارای توانایی بالایی در مدل­سازی پدیده های پیچیده و غیرخطی هستند. در این مطالعه از چهار روش داده محور شامل شبکه های عصبی مصنوعی (ANN)، ماشین های بردار پشتیبان (SVM)، مدل درختی M۵ و شبکه های تطبیقی مبتنی بر سیستم استنتاج فازی (ANFIS) برای مدل سازی تبخیر-تعرق مرجع (ETo) در سه ایستگاه از اقلیم های سواحل جنوبی دریای خزر با استفاده از داده های بلند مدت روزانه هواشناسی بهره گرفته شد. ۱۱ ترکیب مختلف متغیر های هواشناسی به عنوان ورودی به مدل های داده محور انتخاب گردید و از شاخص های استاندارد آماری ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE) و شاخص توافق (DI) برای ارزیابی مدل ها استفاده شد. نتایج نشان داد که مدل ANFIS-۱۱ با RMSE بین ۲/۰ تا ۳۸/۰ میلی­متر بر روز دقیق ترین و مدل هایی که ورودی آن­ها فقط سرعت باد است با R۲بین ۰۲/۰ تا ۳۹/۰ و RMSE بین ۳۵/۱ تا ۶۸/۱ میلی­متر بر روز ضعیف ترین برآوردها را در اقلیم های مورد مطالعه دارند.

کلیدواژه ها:

تبخیر-تعرق مرجع روزانه ، SVM ، M۵ ، ANFIS ، ANN