مدل سازی تبخیر از تشت با استفاده از روش های جدید تلفیقی سری زمانی و شبکه عصبی در اقلیم های مختلف ایران

میزان تبخیر از تشت یکی از عوامل بسیار مهم در برنامه ریزی های منابع آب، مدیریت آبیاری و تولیدات زراعی می-باشد. با توجه به پیامد های جهانی تغییر اقلیم و پیش بینی این پیامد، مدل سازی متغیرهای هواشناسی از جمله تبخیر از تشت حایز اهمیت است.در این تحقیق، از داده‏های 9 سینوپتیک ایران شامل ایستگاه های کرمان، ارومیه، شهرکرد، سنندج، تهران، ایلام، گرگان، اهواز و بندرعباس برای توسعه مدل ها استفاده شد.با استفاده از شبکه های عصبی ann1، ann2، ann3، ann4و ann5، بهترین مدل از بین مدل های تولیدی با مدل غیرخطی star ترکیب شده، ارزیابی بین مدل ها را با سه روش r2،mae، rmse انجام شد و بر طبق نتایج به دست آمده،ann5-star برترین مدل و بهترین ترکیب از روش شبکه عصبی و خانواده تار انتخاب شد به دست آمد و ایستگاه‏های اهواز، کرمان و بندرعباس به ترتیب با داشتن 953/0 ، 946/0 و 945/0 بالاترین ضریب همبستگی را با داده‏های مشاهداتی داشتند و همچنین ایستگاه‏های ایلام، شهرکرد و گرگان با داشتن 891/0، 886/0 و 818/0 دارای پایین ترین ضریب همبستگی با داده‏های مدل شده بودند.

pan evaporation modeling using new hybrid time series and artificial intelligence techniques in different climates of iran

pan evaporation is one of the important factors in water resources, irrigation management, and crop production. considering climate change and its impacts, hydrological parameters modeling especially pan evaporation modeling is an important issue. in this research, 9 synoptic stations including kerman, urmia, shahrekord, sanandaj, tehran, ilam, gorgan, ahvaz, and bandarabbas were used. five artificial intelligent models (ann1, ann2, ann3, ann4, and ann5) were used and the best-selected model from mentioned models was combined with star model. for evaluating the best-performed model, three evaluation criteria namely r2, rmse, and mae were used. as a result, ann5-star outperformed all models and in the case of r2 coefficient; ahvaz, kerman and bandarabbas stations with the values of 0.953, 0.946 and 0.945 have the highest values respectively. and ilam, shahrekord, gorgan with 0.891, 0.886 and 0.818 have the lowest r2 values.