برآورد تبخیر روزانه از تشت کلاس A با استفاده از پنج روش داده کاوی (مطالعه موردی: ایستگاه هواشناسی تبریز)

تبخیر یکی از عوامل اثرگذار در چرخه هیدرولوژیکی است که تخمین صحیح آن نقش مهمی در توسعه پایدار و مدیریت بهینه منابع آب در کشورهای مواجه با بحران آب ایفا می کند. هدف از این پژوهش، ارزیابی عملکرد روش های داده کاوی جهت برآورد تبخیر روزانه از تشت کلاس A در ایستگاه تبریز می باشد. در این پژوهش از داده های هواشناسی روزانه ایستگاه تبریز در طی دوره ۱۶ ساله (۲۰۱۸- ۲۰۰۳) استفاده گردید. برآورد میزان تبخیر از تشت کلاس Aبا استفاده از روش های رگرسیون بردار پشتیبان (SVR)، رگرسیون فرآیند گاوسی (GPR)، مدل درختی M۵، جنگل تصادفی (RF) و رگرسیون خطی (LR) انجام گرفت. ۱۰ سناریو ترکیبی بر اساس همبستگی بین متغیرهای هواشناسی و تبخیر برای واسنجی و صحتسنجی روش های مورد مطالعه مدنظر قرار گرفت. نتایج بررسی های آماری نشان داد که در ایستگاه تبریز، مقادیر تخمینی تبخیر روش GPR با جذر میانگین مربعات خطای برابر با ۹/۱ میلی متر بر روز و ضریب نش- ساتکلیف برابر با ۸۱/۰ و در روش SVR با جذر میانگین مربعات خطای برابر با ۹۲/۱ میلی متر بر روز و ضریب نش- ساتکلیف ۸۰/۰، از عملکرد مناسبی در شبیه‎سازی مقدار تبخیر روزانه از تشت کلاس Aبرخوردار بوده اند. در نهایت برای ایستگاه هواشناسی تبریز، مدل های GPR و SVR برای سناریو شماره ۱۰ با همه متغیرها و دارا بودن بهترین عملکرد، به‎عنوان مدل‎هایی با دقت مناسب پیشنهاد گردید. همچنین متغیرهای سرعت باد و تابش خورشیدی به‎عنوان موثرترین متغیرها در برآورد میزان تبخیر از تشت کلاس A معرفی شدند.

کلیدواژه ها:

تبخیر ، جنگل تصادفی ، رگرسیون بردار پشتیبان ، رگرسیون خطی ، رگرسیون فرآیند گاوسی