مقایسه عملکرد روش های یادگیری ماشین در مدل سازی تبخیر-تعرق مرجع روزانه وتوزیع مکانی آن(مطالعه موردی: استان زنجان)

کشور ایران جزء مناطق خشک و نیمه خشک جهان است و با محدودیت شدید منابع آب مواجه است. از آنجا که بخش بسیار بزرگی از آب در دسترس به واسطه ی تبخیر-تعرق تلف می شود، برآورد دقیق آن حائز اهمیت می باشد. هدف از این تحقیق، مقایسه عملکرد روش های یادگیری ماشین شامل رگرسیون خطی چندگانه (MLR)، برنامه ریزی بیان ژن(GEP) و جنگل تصادفی (RF) در مدل سازی تبخیر-تعرق مرجع روزانه وتوزیع مکانی آن در استان زنجان است. برای این منظور از داده های هواشناسی ۱۰ساله (۱۳۸۸-۱۳۹۸) ایستگاه های سینوپتیک زنجان، ماه نشان، خدابنده و خرمدره استفاده شد. چهار پارامتر هواشناسی (میانگین دما، میانگین رطوبت نسبی، سرعت باد و تابش خالص) به عنوان ورودی مدل ها و تبخیر-تعرق فائو پنمن مانتیث به عنوان خروجی مدل ها درنظر گرفته شد. برای مقایسه عملکرد روش های یادگیری ماشین با یکدیگر، معیارهای ارزیابی محاسبه، نمودارهای سری زمانی، پراکنش و ویولونی رسم گردید. طبق نتایج به دست آمده در تمامی ایستگاه ها به جز ایستگاه زنجان که مدل رگرسیون خطی چندگانه عملکرد خوبی داشت، مدل جنگل تصادفی دقت بالا و خطای کمتری در برآورد تبخیر-تعرق مرجع روزانه را دارد. سایر مدل ها نیز با داشتن دقت نزدیک به مدلRF، عملکرد قابل قبولی دارند. بنابراین از خروجی مدل RF جهت پهنه بندی تبخیر-تعرق مرجع روزانه استان زنجان به روش IDW در GIS استفاده گردید. نتایج نشان داد که در شمال غرب استان زنجان بر مقدار تبخیر-تعرق مرجع افزوده می شود که بیشترین مقدار آن در ایستگاه ماه نشان(۴-۳/۴) میلی متر بر روز است.

کلیدواژه ها:

برنامه ریزی بیان ژن ، تبخیر-تعرق مرجع ، جنگل تصادفی ، رگرسیون خطی چندگانه ، سامانه اطلاعات جغرافیایی