پیش‌بینی ماهانه تبخیر از تشت با استفاده از رویکرد انفرادی و ترکیبی مدل‌های داده-کاوی در مناطق خشک

محمدی, مجتبی; جهانتیغ, حسین; ذوالفقاری, فرهاد

doi:10.22098/mmws.2023.12728.1270

پیش‌بینی ماهانه تبخیر از تشت با استفاده از رویکرد انفرادی و ترکیبی مدل‌های داده-کاوی در مناطق خشک

نوع مقاله : پژوهشی

نویسندگان

¹ استادیار گروه مدیریت و کنترل بیابان، دانشکده منابع طبیعی، مجتمع آموزش عالی سراوان

² استادیار گروه مدیریت و کنترل بیابان، دانشکده منابع طبیعی، مجتمع آموزش عالی سراوان، سراوان، ایران

10.22098/mmws.2023.12728.1270

چکیده

برآورد دقیق میزان تبخیر در برنامه‌ریزی صحیح و بهره‌برداری بهینه از پروژه‌های منابع آب و فعالیت‌های کشاورزی بسیار مهم است. تبخیر تحت تأثیر بسیاری از نیروهای محرکه است که با ویژگی غیرخطی، غیر ثابت و تصادفی مشخص می‌شوند. چنین عواملی به وضوح مانع از راه‌اندازی مدل‌های پیش‌بینی دقیق می‌شود. از این رو در این مطالعه به پیش‌بینی ماهانه تبخیر از تشت با استفاده از رویکرد انفرادی و ترکیبی مدل‌های داده‌کاوی در استان سیستان و بلوچستان پرداخته شده است. داده‌های هواشناسی شامل متوسط دمای ماهانه، بیشینه دمای ماهانه، کمینه دمای ماهانه، میانگین سرعت باد، متوسط رطوبت نسبی، بیشینه رطوبت نسبی، کمینه رطوبت نسبی و مجموع بارش ماهانه از ایستگاه‌های سینوپتیک در استان سیستان و بلوچستان به عنوان پارامترهای پیش‌بینی کننده استفاده شد. در رویکرد عملکرد انفرادی مدل‌های داده‌کاوی، از هشت مدل داده کاویبه‌منظور شبیه‌سازی و پیش‌بینی تبخیر از تشت استفاده شد. از رویکرد ترکیبی VEDL به منظور ارائه یک مدل ترکیبی (ترکیب هشت مدل انفرادی داده کاویاشاره شده) با استفاده از روش واپسگرای رای و رای وزنی مورد استفاده قرار گرفت. به‌منظور ارزیابی مدل‌های مورداستفاده در این تحقیق از معیارهای ارزیابی ضریب تعیین، ریشۀ میانگین مربعات خطا، میانگین خطای مطلق و نمودار تیلور استفاده شد. در بین مدل‌های انفرادی مدل شبکه عصبی مصنوعی (ANN) با میزان R2 برابر 89/0 و RMSE برابر 95/45 در مرحله آموزش و میزان R2 برابر 96/0 و RMSE برابر 18/44 در مرحله آزمون، بهترین عملکرد را در هر دو مرحله آموزش و آزمون داشته است و به عنوان بهترین مدل داده کاوی در ایستگاه زاهدان به منظور پیش‌بینی تبخیر از تشت ماهانه معرفی گردید. نتایج اجرای مدل ترکیبی نشان داد که رویکرد ترکیبی مدل‌ها موجب بهبود نتایج نسبت به بهترین مدل انفرادی گردیده است بطوری‌که مقادیر RMSE از مقدار 95/45 به مقدار 1/33 و مقادیر R2 از مقدار 89/0 به مقدار 94/0 و مقدار MAE از 92/32 به مقدار 9/32 بهبود یافته است.

کلیدواژه‌ها