معرفی و کاربرد ماشین‌بردار پشتیبان حداقل مربعات در برآورد تبخیر-تعرق مرجع و تحلیل عدم قطعیت نتایج؛ مطالعه موردی شهر کرمان

تبخیر-تعرق مرجع (eto) یکی از پارامترهای مهم در طراحی پروژه های تامین و توزیع آب، مدیریت آبیاری، طراحی سیستم‌های آبیاری، کشاورزی و عملیات هیدرولوژیکی است. پیچیدگی، ناشناخته بودن ریاضیات پدیده تبخیر-تعرق، عدم وجود داده های بلندمدت هواشناسی قابل اطمینان، هزینه بر بودن استفاده از لایسیمترها و عدم وجود آن‌ها در اکثر مناطق لزوم استفاده از روش های جدید داده کاوی را نشان می دهد. بدین منظور در این تحقیق از مدل ماشین بردار پشتیبان حداقل مربعات (lssvm) مبتنی بر آزمون گاما (gt) با سه تابع هسته ای rbf، خطی (linear) و چند جمله ای (polynomial) برای پیش‌بینی تبخیر-تعرق لایسیمتری استفاده گردید و نتایج آن با دو مدل شبکه های عصبی مصنوعی (ann)، سیستم استنتاج تطبیقی عصبی فازی (anfis) و داده های لایسیمتری مقایسه گردید. داده های هواشناسی روزانه یکساله ایستگاه سینوپتیک کرمان و داده های تبخیر-تعرق لایسیمتری در این تحلیل استفاده شد. بهترین ترکیب در مدلسازی eto در ایستگاه مورد بررسی با استفاده از gt، ترکیب دارای متغیرهای دمای حداکثر، دمای نقطه شبنم، رطوبت نسبی میانگین، سرعت باد و شدت تابش انتخاب گردید و مدلسازی بر اساس این ترکیب صورت گرفت. نتایج lssvm بیانگر برتری تابع هسته ای rbf نسبت به دو تابع چندجمله ای و خطی بود. علاوه بر این، توزیع خطای پیش بینی ها نشان داد که مدل های anfis و lssvm-rbf میزان خطای کمتری را به ترتیب در دو مرحله آموزش و آزمایشی ایجاد کردند. در انتهای تحقیق، تحلیل عدم قطعیت مونت-کارلو نتایج مدل های مختلف مورد استفاده در این تحقیق نیز نشان داد که پیش بینی های مدل های lssvm عدم قطعیت کمتری نسبت به مدل های ann و anfis دارد.