مدل­سازی تبخیر روزانه از تشت تبخیر به کمک روش­های یادگیری ماشین در ایستگاه هواشناسی سینوپتیک کازرون

فرآیند تبخیر از جمله فرآیندهای طبیعی موثر در زندگی روزمره است که در کشاورزی، فرایندهای هیدرولوژیکی گیاهان، مطالعه آب ذخیره شده در پشت سدها و مدیریت منابع آب اهمیت فراوان دارد. بنابر اهمیت این موضوع در پژوهش حاضر تخمین تبخیر از تشت در ایستگاه سینوپتیک کازرون مطالعه و شبیه­سازی شد. در این مقاله از روشهای یادگیری ماشین شامل رگرسیون­های ماشین بردار پشتیبان حداقل مربعات، شبکه عصبی مصنوعی و درخت تصمیم استفاده کردیم تا اثر کمیتهای دما، فشار در سطح ایستگاه، نم نسبی، تعداد ساعات آفتابی و مقدار جابجایی هوا بر تبخیر از تشت در ایستگاه را شبیه­سازی و بهترین مدل را بیابیم. در این تحقیق از مقادیر ده دقیقه­ای دما، فشار و نم نسبی و داده­های روزانه تعداد ساعات آفتابی و مقدار جابجایی هوا استفاده شد. در برترین سناریو با توجه به محاسبه بارامترهای آماری میانگین مربعات خطا، میانگین خطای مطلق و ضریب همبستگی، اثر فشار بر تبخیر در این ایستگاه به طور نسبی کمتر از باقی فراسنج­های هواشناختی بود. سناریو شبکه عصبی، با مقادیر ورودی دما، نم نسبی، تعداد ساعات آفتابی و مقدار جابجایی هوا و با مقادیر میانگین خطای مطلق 0.63، میانگین مربعات خطای 0.58 و ضریب همبستگی 0.93 بهترین عملکرد را داشت.