ارزیابی مدل های فراکاوشی درشبیه سازی میزان تبخیر روزانه نواحی ساحلی دریای خزر

تبخیر یکی از اصلی‌ترین پارامترهای هیدرولوژیکی و از مهمترین عوامل در مطالعات کشاورزی، هیدرولوژیکی، هواشناسی، مدیریت منابع آب، آمایش سرزمین و گردشگری می‌باشد بنابراین شبیه‌سازی هرچه دقیق‌تر مقدار تبخیر امری ضروری است. در این پژوهش بمنظورتحلیل و ارزیابی میزان تبخیر روزانه نواحی ساحلی دریای خزر واقع در شمال ایران از مدل های هیبریدی رگرسیون بردار پشتیبان با الگوریتم های موجک، کرم شب تاب و خفاش استفاده شد. در این پژوهش، جهت مدل‌سازی از داده‌های دمانگار ایستگاه هواشناسی بابلسر واقع در استان مازندران استفاده شد. پارامتر رطوبت نسبی، دمای بیشینه، دمای کمینه، سرعت باد و ساعات آفتابی در مقیاس زمانی روزانه در طی سال (1402-1392) به‌عنوان ورودی شبکه و تبخیر روزانه به‌عنوان خروجی شبکه انتخاب شد. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه عملکرد مدل‌ها مورداستفاده قرار گرفت. مقایسه نتایج نشان داد مدل رگرسیون بردار پشتیبان – موجک عملکرد بهتری نسبت به سایر مدل های مورد بررسی دارد، به‌گونه‌ای که مدل رگرسیون بردار پشتیبان – موجک با بیشترین ضریب همبستگی (0.980)، کمترین ریشه میانگین مربعات خطا (mm0.113)، کمترین میانگین قدر مطلق خطا ( mm0.066) و نیز بیشترین معیار نش ساتکلیف (0.970) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد مدل رگرسیون بردار پشتیبان – موجک در برآورد میزان تبخیر روزانه دقت مطلوبی دارد.

evaluation of meta- heuristic models in simulating the daily evaporation rate of caspian sea coastal areas

evaporation is one of the main hydrological parameters and one of the most important factors in agricultural, hydrological, meteorological, water resource management, land use and tourism studies, so simulating the amount of evaporation as accurately as possible is essential. in this research, in order to analyze and evaluate the daily evaporation rate of the coastal areas of the caspian sea located in the north of iran, hybrid support vector regression models with wavelet, firefly and bat algorithms were used. in this research, the weather data of babolsar meteorological station located in mazandaran province were used for modeling. the parameters of relative humidity, maximum temperature, minimum temperature, wind speed and sunshine hours in daily time scale during the year (1392-1402) were selected as network input and daily evaporation as network output. the criteria of correlation coefficient, root mean square error, average absolute value of error and nash sutcliffe coefficient were used to evaluate and compare the performance of the models. the comparison of the results showed that the wavelet-support vector regression model has a better performance than the other investigated models, so that the wavelet-support vector regression model with the highest correlation coefficient (0.980), the lowest root mean square error (0.113 mm), the lowest average absolute value of error (0.066 mm) and the highest nash sutcliffe criterion (0.970) were prioritized in the verification stage. in total, the results showed that the support vector-wavelet regression model has good accuracy in estimating the daily evaporation rate.