تحلیل مقایسه ای روش های داده کاوی مبتنی بر هسته و درخت در مقابل روش های تجربی در تخمین تبخیر-تعرق مرجع ماهانه

هزینه بر و زمان بر بودن اندازه گیری مستقیم تبخیر-تعرق باعث شده تا پژوهشگران جهت پیش-بینی تبخیر-تعرق به استفاده از روشهای غیرمستقیم روی آورند. هدف پژوهش حاضر بررسی توانایی روش های داده مبنای مبتنی بر هسته، مبتنی بر درخت، روش دسته بندی و روش های تجربی در برآورد میزان تبخیر-تعرق مرجع می باشد. بدین منظور، داده های مربوط به پارامترهای هواشناسی از جمله دمای میانگین، تعداد ساعات آفتابی، حداکثر و حداقل دما، سرعت باد، بارش و رطوبت نسبی در بازه زمانی ۳۹ ساله گردآوری شد. ماتریس همبستگی، الگوریتم رلیف و دانش و تجربه نویسندگان همراه با سعی و خطا مبنای انتخاب سناریوهای ورودی بودند. عملکرد روش های مذکور با معیارهای ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، شاخص پراکندگی (SI)، نش ساتکلیف (NS) و ویلموت (WI) مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد از بین کلیه سناریوها، سناریو ۱۳ شامل ترکیب دمای بیشینه و شاخص زمانی ماهانه مبتنی بر الگوریتم رلیف به عنوان سناریو برتر و از سوئی دیگر مدل درخت تصادفی با R=۰.۹۹، RMSE=۰.۰۴ mm/day و SI=۰.۰۱ به عنوان روش برتر انتخاب شد. بدین ترتیب حداکثر دما به عنوان مهمترین پارامتر هواشناسی تاثیرگذار در مدل سازی تبخیر-تعرق مرجع شناسایی گردید.

کلیدواژه ها:

تبخیر-تعرق مرجع ، داده کاوی ، درخت تصادفی ، مکینگ اصلاح شده