ارزیابی سه روش داده کاوی برای تخمین تبخیرتعرق مرجع در استان زنجان

تبخیرتعرق مرجع (ET۰) یک متغیر هیدرولوژیکی پیچیده است که براساس متغیرهای هواشناسی مختلف که بر تعادل آب و انرژی تاثیر می گذارند، تعریف می شود. به طور معمولET۰  با روش های تجربی مختلف برمبنای داده های اقلیمی دقیق محاسبه می شود. هدف از این مطالعه ارزیابی روش های مختلف داده کاوی که شامل شبکه های عصبی مصنوعی (ANNs)، جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) می باشد جهت تخمین ET۰ با حداقل ورودی های هواشناسی است. در این مطالعه، مدل FAO-۵۶ Penman-Monteith (FPM) به عنوان مدل استاندارد در نظر گرفته شد. داده های هواشناسی استفاده شده در این پژوهش از ۱۳ ایستگاه استان زنجان در دوره زمانه ده ساله (۱۳۹۹-۱۳۸۹) می باشد. نتایج نشان داد که روشANNs  بهتر از دو روش SVM و RF عمل کرد. میانگین مقادیر آماره-های RMSE، EF  و NRMSE برای روش ANNs در هر دو مرحله آموزش و آزمون برابر و به ترتیب برابر است با ۴۹/۰، ۹۴/۰ و ۱۴/۰ به دست آمد. مقادیر میانگین آماره های مذکور برای روش RF در مرحله آموزش برابر با ۴۹/۰، ۹۴/۰ و ۱۴/۰ و در مرحله آزمون برابر با ۵۲/۰، ۹۴/۰ و ۱۵/۰ بود. همچنین مقادیر میانگین این آماره ها برای روشSVM  در هر دو مرحله آموزش و آزمون برابر و به ترتیب برابر است با ۵۲/۰، ۹۴/۰ و ۱۵/۰ شد. بیش از ۹۲ درصد (۱۲ ایستگاه) نتایج بدست آمده از دو روش ANNs و RF نشان دادند که میانگین دما مهم ترین و موثرترین پارامتر در تخمین  ET۰می باشد. همچنین بیش از ۸۴ درصد (۱۱ ایستگاه) نتایج نشان دادند که ساعت آفتابی دومین ورودی مهم و موثر در در تخمین  ET۰می باشد. بنابراین می توان عملکرد عالی را با استفاده از چهار متغیرهواشناسی (میانگین دما، میانگین رطوبت نسبی، سرعت باد و ساعت آفتابی) به عنوان ورودی با روش های ANNs، RF  و SVM به دست آورد. نتایچ پژوهش حاضر می تواند به تخمین ET۰ برای مناطقی که مدیریت آب کشاورزی در آنجا ضروری می باشد، کمک کند.

کلیدواژه ها:

تبخیرتعرق ، جنگل تصادفی ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، مدل پنمن مانتیث