پیش بینی تبخیر و تعرق گیاه مرجع با استفاده از شبکه عصبی فازی تطبیقی و ماشین بردار پشتیبان

تبخیر و تعرق یکی از مولفه های اصلی چرخه اب در طبیعت بوده و تعیین دقیق آن در بسیاری از مطالعات مانند بیلان ابی و مدیریت منابع آب مهم میباشد. در سال های اخیر استفاده از شبکه های عصبی در پیش بینی پارامترهای هیدرولوژیکی بسیار متداول شده است هدف این تحقیق پیش بینی تبخیر و تعرق گیاه مرجع در شهر زاهدان با استفاده از حداقل داده های هواشناسیو شبکه عصبی مصنوعی می باشد. برای این منظور از داده های ۲۰ ساله هواشناسی (۱۳۷۷-۱۳۹۷) ایستگاه سینوپتیک زاهدان استفاده گردید. تبخیر و تعرق گیاه مرجع به روش فائو پنمن مانتیث به صورت ماهانه محاسبه شد. کالیبراسیون به وسیله ۸۵ درصد داده ها (برای آموزش ۷۰درصد و صحت سنجی ۱۵ درصد) انجام و عملکرد روشها با استفاده از ۱۵درصد داده های باقیمانده ارزیابی شد. سه نوع مدل با استفاده از ترکیب پارامترهای مختلف هواشناسی ساخته و نتایج انها با مقادیر به دست امده از روش فائو پنمن مانتیث مقایسه شدند. برای مقایسه مقادیر اندازهگیری شده با مقادیر پیشبینی شده از شاخصه های کمی جذر میانگین مربعات خطا (RMSE) و ضریب تعیین (R۲) استفاده شد. نتایج نشان داد پارامترهای دمای متوسط، حداقل رطوبت، حداکثر رطوبت، سرعت بادو ساعت آفتابی حداقل داده های هواشناسی مورد نیاز برای براورد تبخیرو تعرق گیاه مرجع هستند. بین مدل ماشین بردار پشتیبانو مدل شبکه عصبی فازی تطبیقی، ماشین بردار پشتیبان با ضریب تبیین ۰/۸۶و مقدار خطای ۱/۰۵ برآورد بهتری از تبخیر و تعرق گیاه مرجع در ایستگاه سینوپتیک زاهدان داشت.

کلیدواژه ها:

هوش مصنوعی ، تبخیر و تعرق مرجع ، زاهدان.