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.2023.368738.1775
چکیده

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.