فهرست نشریات علمی دسترسی آزاد ایران

در بسیاری از مطالعات تعیین میزان دقیق متغیر تبخیر-تعرق از اهمیت ویژه‌‍‌ایی برخوردار است. مدل‌های هوشمند داده محور دارای توانایی بالایی در مدل­سازی پدیده‌های پیچیده و غیرخطی هستند. در این مطالعه از چهار روش داده محور شامل شبکه‌های عصبی مصنوعی (ANN)، ماشین‌های بردار پشتیبان (SVM)، مدل درختی M5 و شبکه‌های تطبیقی مبتنی بر سیستم استنتاج فازی (ANFIS) برای مدل‌سازی تبخیر-تعرق مرجع (ETo) در سه ایستگاه از اقلیم‌های سواحل جنوبی دریای خزر با استفاده از داده‌های بلند مدت روزانه هواشناسی بهره گرفته شد. 11 ترکیب مختلف متغیر‌های هواشناسی به عنوان ورودی به مدل‌های داده محور انتخاب گردید و از شاخص‌های استاندارد آماری ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و شاخص توافق (DI) برای ارزیابی مدل‌ها استفاده شد. نتایج نشان داد که مدل ANFIS-11 با RMSE بین 2/0 تا 38/0 میلی­متر بر روز دقیق‌ترین و مدل‌هایی که ورودی آن­ها فقط سرعت باد است با R2بین 02/0 تا 39/0 و RMSE بین 35/1 تا 68/1 میلی­متر بر روز ضعیف‌ترین برآوردها را در اقلیم‌های مورد مطالعه دارند.