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

پیش‌بینی تبخیر روزانه یک ابزار تعیین‌کننده و مفید در کشاورزی پایدار و مسائل هیدرولوژیکی، به‌ویژه در طراحی و مدیریت سیستم‌های منابع آب می باشد. بنابراین، در این مطالعه توانایی مدل های svr، mlp و gprدر برآورد تبخیر روزانه در ایستگاه چایپاره، طی سال‌های 2020-2000 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 همبستگی92/0، جذر میانگین مربعات خطا 48/1، ضریب ناش‌ساتکلیف 77/0 و شاخص توافق ویلموت 95/0 دقیق ترین مدل بوده و کمترین خطا را نسبت به تمام مدل های مورد بررسی دارد. همچنین سناریو ششم مدل های mlp و gprبا داشتن جذر میانگین مربعات خطا به ترتیب 65/1 و 77/1 عملکرد بهتری نسبت به سایر ترکیبات از خود نشان دادند. به طورکلی می توان گفت که سناریو پنجم مدل svr برای مدل سازی و پیش بینی تبخیر روزانه شهرستان چایپاره مناسب بوده و برای استفاده‌های بعدی پیشنهاد می‌گردد.