تحليل مقايسه‌اي روش‌هاي داده‌كاوي مبتني بر هسته و درخت در مقابل روش‌هاي تجربي در تخمين تبخير-تعرق مرجع ماهانه

هزينه‌بر و زمان‌بر بودن اندازه‌گيري مستقيم تبخير-تعرق باعث شده تا پژوهشگران جهت پيش بيني تبخير-تعرق به استفاده از روشهاي غيرمستقيم روي‌آورند. هدف پژوهش حاضر بررسي توانايي روش‌هاي داده‌مبناي مبتني بر هسته، مبتني بر درخت، روش دسته‌بندي و روش‌هاي تجربي در برآورد ميزان تبخير-تعرق مرجع مي‌باشد. بدين منظور، داده‌هاي مربوط به پارامترهاي هواشناسي از جمله دماي ميانگين، تعداد ساعات آفتابي، حداكثر و حداقل دما، سرعت باد، بارش و رطوبت نسبي در بازه زماني 39 ساله گردآوري شد. ماتريس همبستگي، الگوريتم رليف و دانش و تجربه نويسندگان همراه با سعي و خطا مبناي انتخاب سناريوهاي ورودي بودند. عملكرد روش‌هاي مذكور با معيارهاي ضريب همبستگي (R)، ريشه ميانگين مربعات خطا (RMSE)، شاخص پراكندگي (SI)، نش ساتكليف (NS) و ويلموت (WI) مورد ارزيابي قرار گرفت. بررسي نتايج نشان داد از بين كليه سناريوها، سناريو 13 شامل تركيب دماي بيشينه و شاخص زماني ماهانه مبتني بر الگوريتم رليف به‌عنوان سناريو برتر و از سوئي ديگر مدل درخت تصادفي با R=0.99، RMSE=0.04 mm/day و SI=0.01 به‌عنوان روش برتر انتخاب شد. بدين ترتيب حداكثر دما به‌عنوان مهمترين پارامتر هواشناسي تأثيرگذار در مدل‌سازي تبخير-تعرق مرجع شناسايي گرديد.