پیشبینی تبخیر با استفاده از تئوری آشوب و هوش مصنوعی در مناطق خشک (مطالعه موردی: استان سمنان)
نویسندگان
1 دانشآموخته دکتری مدیریت و کنترل بیابان، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران.
2 دانشیار گروه بیابانزدایی، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران.
3 استاد، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
doi
10.22034/iwrr.2024.426028.2721چکیده
تبخیر از پدیدههای مهم چرخه آبشناختی است و پیشبینی آن در مدیریت، برنامهریزی و حفظ آب ضروری است. از آنجائی که تئوری آشوب به مطالعه سیستمهای دینامیکی میپردازد، لذا در تحقیق حاضر، پیشبینی فرآیند تبخیر با استفاده از ترکیب تئوری آشوب و مدلهای هوشمند شامل ماشین بردار پشتیبان، درخت تصمیم، یادگیری گروهی، و فرآیند گوسی انجام شد و دادههای ایستگاه سینوپتیک سمنان طی دوره زمانی 2019-1995 انتخاب شد. مقادیر بهینه میزان تأخیر و و اطلاعات متقابل با استفاده از روشهای نزدیکترین همسایه نادرست به منظور بازسازی فضای فاز متغیر تبخیر، به ترتیب برابر با 18 و 9 بدست آمد. با توجه به ترکیبهای متفاوتی از متغیرها، بهینهترین پاسخ همهی مدلها برای ترکیب کلیه پارامترها مشخص شد و دو عامل تبخیر و دما بیشترین تأثیر را بر پیشبینی داشتند. به طور کلی، مدل ماشین بردار پشتیبان با R2 = 85.5 و MAE = 1.4 بهترین کارایی را داشت و سپس، بهترتیب روشهای فرآیند گوسی، یادگیری گروهی و روش درخت تصمیم کارایی مناسبی داشتند. استفاده ترکیبی تئوری آشوب به همراه الگوریتمهای هوشمند از قابلیت خوبی برای تخمین تبخیر برخوردار است.