پیش‌بینی پتانسیل تبخیر با حذف نویز داده‌ها در ایستگاه سینوپتیک تبریز

تبخیر پتانسیل از جمله مولفه‌های چرخه آب در طبیعت است که پیش‌بینی آن یک کار پیچیده و غیرخطی است. بنابراین، برای تخمین آن بایستی از مدل‌های پیشرفته ریاضی استفاده نمود. مطالعه حاضر، با هدف ارائه مدل پیش‌بینی سری زمانی پتانسیل تبخیر روزانه ایستگاه تبریز با استفاده از دو رویکرد شبکه عصبی و شبکه عصبی موجکی همراه با نویززدایی داده‌ها انجام گرفت. سری زمانی روزانه مقدار تبخیر تشتک تبخیرسنج ایستگاه تبریز مشتمل بر 4309 داده روزانه، به‌عنوان داده‌های خام این دو مدل در نظر گرفته شدند. مدل پیش‌بینی شبکه عصبی بر پایه سه سری زمانی با تاخیرهای زمانی 4، 7 و 10 روز از سیگنال اصلی نرمال‌شده انجام گرفت. در روش دوم، سیگنال سری زمانی اصلی با استفاده از موجک مادر میر به 12 سطح تجزیه و بیشترین فرکانس آن به‌عنوان نویز از سیگنال اصلی حذف شد. در ادامه، مدل شبکه عصبی موجکی بر پایه 36 سری زمانی با تاخیرهای زمانی 4، 7 و 10 روز اجرا شد. با ارزیابی نتایج هر یک از این مدل‌ها توسط معیارهای آماری و گرافیکی، ساختار 3101 با مقدار ضریب همبستگی 0.80 و جذر میانگین مربعات خطای 0.125 میلی‌متر در روز و ساختار 3681 با ضریب همبستگی 0.917 و جذر میانگین مربعات خطای 0.0858 میلیی‌متر در روز تحت عنوان مناسب‌ترین ساختارها به‌ترتیب برای مدل شبکه عصبی و شبکه عصبی موجکی شناسایی شدند.