ارزيابي مدل هيبريدي ANN-PSO و روش‌هاي مختلف داده‌كاوي در برآورد تبخير و تعرق ماهانه در دو اقليم مختلف

تبخير و تعرق يكي از مؤلفه‌هاي اصلي بيلان آب هر منطقه و برآورد دقيق آن در مطالعات هيدرولوژيكي، طراحي سامانه‌هاي آبياري و زهكشي و برنامه‌ريزي سامانه‌هاي آبياري بسيار ضروري است. در اين تحقيق به ارزيابي مدل درختي M5، M5 Rules، K Star، Rep Tree، مدل شبكه عصبي مصنوعي و مدل تركيبي شبكه عصبي ANN-PSO در تخمين تبخير و تعرق مرجع در دو نقطه اقليمي مختلف در استان مركزي بر مبناي مدل پنمن مونتيث فائو پرداخته شد. داده‌هاي مورد استفاده شامل دماي حداقل و حداكثر، رطوبت نسبي ميانگين، سرعت باد در ارتفاع دو متري و ساعات آفتابي به عنوان ورودي مدل از ايستگاه سينوپتيك دليجان و تفرش بين سال‌هاي 2021-2004 بودند و تبخير و تعرق محاسبه‌شده از روش پنمن مونتيث فائو به عنوان خروجي مدل‌ها استفاده شد. براي ارزيابي مدل-ها از شاخص‌هاي جذرميانگين مربعات خطا (RMSE)، ميانگين انحراف مطلق (MAE) و ضريب همبستگي (R) استفاده شد. تجزيه‌وتحليل نتايج نشان داد كه براي هر دو ايستگاه، مدل تركيبي شبكه عصبي ANN-PSO با RMSE=0.3115، MAE=0.2441 و R=0.9989 براي ايستگاه دليجان و RMSE=0.2915، MAE=0.2355 و R=0.9989 براي ايستگاه تفرش و مدل درختي M5 باRMSE=0.2793 ، MAE=0.2398 و R=0.9967 براي ايستگاه دليجان و RMSE=0.2803، MAE=0.2306 و R=0.9969 براي ايستگاه تفرش بهترين عملكرد را داشتند. همچنين مدل Rep Tree ضعيف‌ترين عملكرد را در بين مدل‌هاي مورد بررسي در اين پژوهش داشت. با توجه به اينكه مدل درختي علاوه بر دقت مطلوب، روابط ساده، خطي و قابل‌فهم‌تري را براي برآورد تبخير و تعرق مرجع ارائه مي‌نمايد، اين مدل براي برآورد تبخير و تعرق در اين منطقه قابل توصيه است.