مطالعه مقايسه‌اي با استفاده از روش داده‌محور در مقابل رويكرد تركيبي در جهت برآورد تبخير-تعرق مرجع روزانه در اهواز

پيش‌بيني تبخير-تعرق مرجع روزانه يك ابزار تعيين‌كننده و مفيد در كشاورزي پايدار و مسائل هيدرولوژيك، به‌ويژه در طراحي و مديريت سيستم‌هاي منابع آب مي‌باشد. استفاده از مدل‌هاي هيبريدي با كمك عوامل اقليمي روشي مؤثر در فرآيند پيش‌بيني تبخير-تعرق مرجع روزانه است. بنابراين، در اين مطالعه توانايي مدل رگرسيون بردار پشتيبان (SVR) و مدل تركيبي رگرسيون بردار پشتيبان با الگوريتم مگس ميوه (SVR-FOA) در برآورد تبخير-تعرق مرجع روزانه در ايستگاه اهواز، طي دوره 2022-2000 با استفاده از چهار معيار آماري مورد ارزيابي قرار گرفت. ورودي‌هاي مورد استفاده شامل پارامترهاي ميانگين دما، حداقل دما، حداكثر دما، متوسط رطوبت نسبي، حداقل رطوبت نسبي، حداكثر رطوبت نسبي، سرعت باد و ساعات آفتابي بود. آناليز حساسيت پارامترهاي ورودي با استفاده از ضريب همبستگي پيرسون نيز نشان داد كه در ميان پارامترهاي ورودي، پارامتر ساعات آفتابي و رطوبت نسبي از مؤلفه‌هاي مؤثر بر پيش‌بيني تبخير بودند به‌طوري‌كه تاثير مستقيمي روي مقدار تبخير روزانه داشته و باعث كاهش خطا در تمام مدل‌ها گرديدند. نتايج به‌دست آمده نشان داد كه سناريو ششم مدل SVR-FOA بهترين عملكرد را با كمترين خطا (mm/day 1.24) نسبت به تمامي مدل‌ها ارائه داد. در بين سناريوهاي مدل SVR نيز سناريو سوم مدل SVR كمترين خطا را (mm/day 1.45)، نسبت به ساير تركيبات SVR از خود نشان داد. نتايج حاصل از اين پژوهش نشان داد كه سناريو ششم مدل SVR-FOA بهترين عملكرد را داشته و نيز الگوريتم هيبريدي مگس ميوه باعث بهبود عملكرد رگرسيون بردار پشتيبان در برآورد تبخير-تعرق مرجع روزانه گرديد.