پیش بینی مقادیر تبخیر روزانه با روش های داده محور(مطالعه موردی: ایستگاه چایپاره)

پیش بینی تبخیر روزانه یک ابزار تعیین کننده و مفید در کشاورزی پایدار و مسائل هیدرولوژیکی، به ویژه در طراحی و مدیریت سیستم های منابع آب می باشد. بنابراین، در این مطالعه توانایی مدل های GPR,MLP,SVR در برآورد تبخیر روزانه در ایستگاه چایپاره، طی سال های ۲۰۲۰-۲۰۰۰ با استفاده از چهار معیار آماری مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان داد که سناریو پنجم مدل SVR با استفاده از پارامترهای میانگین دما، حداقل دما، حداکثر دما، رطوبت نسبی متوسط، حداقل رطوبت نسبی، حداکثر رطوبت نسبی و سرعت باد، و نیز داشتن ضریب همبستگی ۰/۹۲ جذر میانگین مربعات خطا ۱/۴۸ ضریب ناش ساتکلیف ۰/۷۷ و شاخص توافق ویلموت ۰/۹۵ دقیق ترین مدل بوده و کمترین خطا را نسبت به تمام مدل های مورد بررسی دارد. همچنین سناریو ششم مدل های GPR,MLP با داشتن جذر میانگین مربعات خطا به ترتیب ۱/۶۵ و ۱/۷۷ عملکرد بهتری نسبت به سایر تر کیبات از خود نشان دادند. به طورکلی میتوان گفت که سناریو پنجم مدل SVR برای مدل سازی و پیش بینی تبخیر روزانه شهرستان چایپاره مناسب بوده و برای استفاده های بعدی پیشنهاد می گردد.

Keywords:

پیش بینی , تبخیر , رگرسیون فرایند گاوسی , رگرسیون بردار پشتیبان