ارزیابی مدل های هیبریدی فراکاوشی در تخمین دمای متوسط هوا سواحل دریای خزر

دمای هوا که در ایستگاه های هواشناسی استاندارد اندازه گیری می شود یکی از توصیف کننده های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش نیازهای مهم برای برنامه ریزی کشاورزی و نیز مدیریت منابع آب می باشد که به روش های مختلفی همچون مدل های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش از مدل هیریدی شبکه عصبی مصنوعی با الگوریتم های بهینه سازی خفاش و گرگ خاکستری به منظور برآورد متوسط دمای روزانه هوا در سواحل دریای خزر مورد بررسی و ارزیابی قرار گرفت. جهت مدل سازی از داده های دمانگار ایستگاه هواشناسی بابلسر واقع در استان مازندران استفاده شد. پارامتر رطوبت نسبی، دمای بیشینه، دمای کمینه، سرعت باد و تبخیر در مقیاس زمانی روزانه در طی سال آبی (۱۴۰۲-۱۳۹۲) بعنوان ورودی شبکه و دمای متوسط روزانه هوا به عنوان خروجی شبکه انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه عملکرد مدل ها مورداستفاده قرار گرفت. مقایسه نتایج نشان داد مدل شبکه عصبی مصنوعی – گرگ خاکستری عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی- خفاش در مدل سازی دارد، بگونه ای که مدل شبکه عصبی مصنوعی-گرگ خاکستری با بیشترین ضریب همبستگی (۹۷۵/۰)، کمترین ریشه میانگین مربعات خطا (۰۰۲/۰) و نیز بیشترین معیار نش ساتکلیف (۹۸۰/۰) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد مدل شبکه عصبی مصنوعی-گرگ خاکستری در تخمین بیشتر مقادیر دقت بالایی دارد.

کلیدواژه ها:

بابلسر ، تخمین ، دمای هوا ، شبکه عصبی مصنوعی