استفاده از روش‌های نوین برای تعیین ورودی‌های موثر در تخمین تبخیر از تشت

در این تحقیق تخمین تبخیر از تشت سه ایستگاه سینوپتیک آستارا، کیاشهر و تالش واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیان (svm) انجام گرفته است. از دو روش تحلیل مولفه اصلی (pca) و آزمون گاما (gt) برای پیش پردازش داده ها و تعیین ورودی مدل ها استفاده گردید. با توجه به نتایج، برای ایستگاه تالش 6 متغیر ورودی و برای ایستگاه کیاشهر و آستارا 5 متغیر ورودی توسط آزمون گاما انتخاب شد. در روش تحلیل مولفه های اصلی نیز برای ایستگاه سینوپتیک آستارا و کیاشهر، پنج مولفه اصلی و برای ایستگاه تالش چهار مولفه اصلی انتخاب شده است. نتایج مدل سازی حاکی از این است که، مدل شبکه عصبی مصنوعی مبتنی بر تحلیل مولفه اصلی (pca-ann) در ایستگاه های آستارا و تالش به ترتیب با مجذور میانگین مربعات خطای 0.957 و 1.004 ، ضریب نش ساتکلیف 0.815 و 0.756 و ضریب همبستگی 0.903 و 0.870 و مدل ماشین بردار پشتیان مبتنی بر آزمون گاما (gt-svm) در ایستگاه کیاشهر با مجذور میانگین مربعات خطای 1.295، ضریب نش ساتکلیف 0.683 و ضریب همبستگی 0.825 را می توان به عنوان مدل های منتخب برای ایستگاه های مذکور انتخاب کرد. در نهایت با توجه به نتایج می توان چنین نتیجه گرفت که روش های استفاده شده پیش پردازش داده ها در این تحقیق برای پیش بینی تبخیر از تشت با یکدیگر اختلاف چندانی ندارند و هر دو روش به خوبی عمل کرده اند. همچنین مدل svm در تمام تخمین ها نسبت به مدل ann عملکرد قابل قبول تری داشته است