کاربرد سیستم های استنتاج فازی- عصبی تطبیقی و ماشین بردار پشتیبان برای برآورد تبخیرتعرق مرجع ماهانه شمال غرب کشور

در مطالعه حاضر به منظور پیش بینی تبخیر و تعرق گیاه مرجع با استفاده از دو مدل SVM و ANFISدر مقیاس زمانی ماهانه، 6 ایستگاه سینوپتیک در منطقه شمال غرب کشور در دوره آماری 38 ساله 2010-1973 انتخاب شد. در ابتدا مقادیر تبخیر و تعرق مرجع ماهانه برای ایستگاه های منتخب توسط روش فایو- پنمن- مونتیث محاسبه و به عنوان خروجی مدل های ANFIS,SVM در نظر گرفته شد. سپس یک رابطه رگرسیونی بین متغیرهای اقلیمی مختلف موثر در پدیده تبخیر و تعرق به دست آمده و الگوهای مختلف ورودی برای مدل های مورد استفاده مشخص گردید که بر این اساس رطوبت نسبی با داشتن کمترین اثر از ورودی ها حذف گردید. همچنین در مطالعه حاضر به منظور بررسی اثر حافظه در پیش بینی تبخیر و تعرق از گام های زمانی (تاخیر) یک، دو، سه و چهار ماهانه نیز به عنوان ورودی برای مدل ها استفاده شد. به طور کلی برای هر مدل 9 الگوی ورودی ایجاد گردید نتایج حاصله نشان دهنده دقت بالا و خطای کم هر دو مدل در پیش بینی تبخیر و تعرق مرجع ماهانه بوده ولی کارایی مدل SVM کمی بهتر از مدل ANFIS بود. همچنین زمانی که از حافظه سری زمانی تبخیر و تعرق برای ورودی مدل ها استفاده گردید، نسبت به حالتی که از متغیرهای اقلیمی به عنوان ورودی استفاده شد، دقت کمتر بود.

Keywords:

الگو , پیش بینی , حافظه , متغیرهای اقلیمی