بررسی کارایی توابع انتقالی مبتنی بر روشهای یادگیری ماشین برای پیشبینی تبخیر و تعرق مرجع (مطالعۀ موردی: بوشهر)
نویسندگان
1 دانش آموختۀ کارشناسی ارشد، گروه مهندسی آب، دانشکدۀ آب و خاک، دانشگاه زابل
2 دانشیار گروه مهندسی آب، دانشکدۀ آب و خاک، دانشگاه زابل
doi
10.22059/ije.2023.368738.1775چکیده
محاسبۀ دقیق تبخیرـ تعرق مرجع یکی از گامهای اساسی برای رسیدن به مدیریت بهینۀ منابع آب است. در اﻳﻦ ﺗﺤﻘﻴﻖ تبخیرـ تعرق مرجع بوشهر به روش فائوـ پنمنـ مانتیث محاسبه شد. سپس، از روشهای روشهای دمایی (هارگریوز سامانی و بلانی کریدل) و روشهای تشعشعی (مککینگ اصلاحشده، تورک و پرستلیتیلور) نیز برای محاسبۀ تبخیرـ تعرق استفاده شد. نتایج بهدستآمده از این روشها با روش ترکیبی فائوـ پنمنـ مانتیث مقایسه شد. نتایج نشان داد از بین دو روش دمایی روش هرگریوز سامانی و از بین روشهای تشعشعی روش پرستلیتیلور نتایج نزدیکتری به روش ترکیبی فائوـ پنمنـ مانتیث داشتند. از ﻣﺪلﻫﺎى هوش مصنوعی، ﻣﺪل ماشین بردار پشتیبان، جنگل تصادفی و کیوبیست نیز ﺑﺮاى ﺗﺨﻤﻴﻦ تبخیرـ تعرق مرجع اﺳﺘﻔﺎده شد. دادهﻫﺎى ﻣﻮرد اﺳﺘﻔﺎده ﺷﺎﻣﻞ دمای حداقل، حداکثر و متوسط، رطوبت نسبی، ساعت آفتابی و سرعت باد ﻃﻰ ﻳﻚ دورۀ آﻣﺎرى سیساله از سال 1370 ﺗﺎ 1400 بود. ﺑﺮاى ﺑﺮرﺳﻰ ﻧﺘﺎﻳﺞ ﻣﺪلهای یادشده از ﻣﻌﻴﺎرﻫﺎى ارزﻳﺎﺑﻰ ﻣﺠﺬور ﻣﻴﺎﻧﻴﮕﻦ ﻣﺮﺑﻌﺎت ﺧﻄﺎ، میانگین مطلق خطا و ﺿﺮﻳﺐ تبیین R2 اﺳﺘﻔﺎده ﺷﺪ. نتایج نشان داد هر سه مدل دقت زیادی در شبیهسازی تبخیرـ تعرق داشتند. مدل کیوبیست با داشتن R2 بالاتری (95/0)، کمترین مجذور میانگین خطا (87/0) و کمترین میانگین مطلق خطا (38/0) به عنوان روش برتر برای تبخیرـ تعرق انتخاب شد.