محسن اصولی شجاعی - دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
فاطمه میکائیلی - دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
سعید صمدیان فرد - دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

دمای نقطه شبنم در زمینه های مختلف از جمله علوم هواشناسی جهت پیش بینی های مربوط به آب و هوا دارای اهمیت فراوانی می باشد. لذا ارائه مدل های مناسب جهت پیش بینی دقیق مقدار این متغیر هواشناسی برای استفاده عملی مهندسین کشاورزی و ایستگاه های مجاوری که در آن ها امکان اندازه گیری این دما وجود ندارد، ضروری می باشد. در پژوهش حاضر توانایی چهار مدل داده محور شامل درخت گرادیان تقویتی، مدل درختی M۵P، جنگل تصادفی و جنگل تصادفی بهینه شده با الگوریتم ژنتیک در تخمین دمای نقطه شبنم روزانه مورد ارزیابی قرار گرفت. برای این منظور از داده های هواشناسی روزانه دو ایستگاه اردبیل و پارس آباد در بازه زمانی ۱۳۸۴ تا ۱۳۹۹ استفاده شد. پارامترهای هواشناسی مورد استفاده شامل حداقل، حداکثر و میانگین دما، رطوبت نسبی، ساعت آفتابی و سرعت باد بوده که در ۱۰ ترکیب متفاوت به عنوان متغیرهای ورودی برای هر یک از مدل­های مذکور در نظر گرفته شدند. مقایسه نتایج به دست آمده برای هر دو ایستگاه نشان داد که مدل  M۵P-۸با دارا بودن جذر میانگین مربعات خطای °C ۵۴/۰ و ضریب ویلموت برابر با ۹۹۸/۰ در ایستگاه اردبیل و  مدل M۵P-۶ با جذر میانگین مربعات خطای ◦C ۲۹/۰ و ضریب ویلموت برابر با ۰۰/۱ در ایستگاه پارس آباد به عنوان برترین مدل ها معرفی شدند.

اردبیل, ارزیابی آماری, متغیرهای هواشناسی, مدل های هوشمند