ارزيابي عملكرد مدلهاي هوشمند در تخمين دماي نقطه شبنم با استفاده از پارامترهاي هواشناسي

دماي نقطه شبنم دمايي ‌است كه در آن هوا تحت فشار ثابت به صورت اشباع از بخار آب شود. هدف از تحقيق حاضر، ارزيابي توانايي مدل‌هاي شبكه هاي عصبي مصنوعي(ANN) و رگرسيون كمانكي تطبيقي چند متغييره (MARS) در تخمين دماي نقطه شبنم با استفاده از پارامترهاي هواشناسي در ايستگاه سينوپتيك خوي واقع در شمال غرب ايران مي‌باشد. پارامترهاي هواشناسي استفاده شده شامل دماي حداقل(Tmin)، دماي حداكثر (Tmax)، دماي متوسط (T)، رطوبت نسبي (RH)، رطوبت نسبي حداقل (RHmin)، رطوبت نسبي حداكثر (RHmax)، تابش خورشيدي (S)، سرعت باد (W)، فشار ايستگاه(Pa)، فشار بخار واقعي(ea) و فشار بخار اشباع (es) بودند. پارامترهاي مذكور با تركيبهاي مختلفي به عنوان ورودي به مدلهاي مورد استفاده وارد شدند. براي ارزيابي نتايج خروجي مدل ها از ميانگين مربعات خطا (RMSE)، ميانگين مطلق خطا (MAE) و ضريب تبيين (R2) به عنوان معيارهاي ارزيابي استفاده گرديد. بر اساس نتايج حاصله فشار بخار واقعي(e_a) و دماي حداقل(Tmin)، موثرترين پارامترها در تخمين دماي نقطه شبنم بودند. همچنين نتايج نشان داد كه دو مدل مورد استفاده از دقت خوبي جهت تخمين دماي نقطه شبنم با استفاده از پارامترهاي هواشناسي برخوردار هستند. با اين وجود، مدل رگرسيون كمانكي تطبيقي چند متغييره عملكرد بهتري نسبت به مدل شبكه عصبي مصنوعي در تخمين دماي نقطه شبنم داشت. در مجموع، در بين همه پارامترها و مدلها، مدل MARS با ورودي فشار بخار واقعي و RMSE= 0.633ºC ، MAE= 0.480ºC و0.991=R2 براي حالت آزمون دقيق ترين تخمين را از دماي نقطه شبنم نتيجه داد.