ارزیابی دقت روش های هوشمند و آنالیز حساسیت تبخیر- تعرق گیاه مرجع به پارامترهای هواشناسی در دو اقلیم مختلف

در این پژوهش برای ارزیابی حساسیت تبخیر- تعرق گیاه مرجع در دو منطقۀ اصفهان و رشت با اقلیم های نیمه خشک و معتدل، به کمک دو روش هوشمند، از پارامترهای هواشناسی در طول آماری 1970-2010 استفاده شد. همچنین از شبکه های عصبی با ساختار پرسپترون چندلایه (mlp[1]) و برنامه ریزی بیان ژن gep[2])) برای آنالیز حساسیت تبخیر- تعرق گیاه مرجع به پارامترهای هواشناسی استفاده شد. در مورد همبستگی پارامترها، نتایج نشان داد در اصفهان و رشت، کمینۀ دما و بیشینۀ دما با ضریب همبستگی 968/0 و 926/0 در مقابل دیگر پارامترها، بیشترین همبستگی را دارند و در منطقۀ اصفهان سرعت باد با بیشینۀ دما با ضریب 067/0 و در رشت سرعت باد با کمینۀ رطوبت با ضریب 001/0 کمترین ارتباط را دارند. همچنین نتایج حاصل از این بررسی نشان داد در منطقۀ اصفهان با کاربرد مدل mlp و با ورودی های بیشینه و کمینۀ دما، رطوبت، سرعت باد و تعداد ساعات آفتابی، با جذر میانگین مربعات خطا (rmse[3]) برابر با 418/0 میلی متر در روز بهترین نتیجه را جهت تخمین تبخیر- تعرق مرجع ارائه داد. همچنین در منطقۀ رشت با کاربرد مدل mlp و با ورودی های کمینه و بیشینۀ دما، بیشینۀ رطوبت و تعداد ساعات آفتابی دارای ضریب همبستگی بیشتر و خطای کمتر است و مقادیر تبخیر- تعرق گیاه مرجع را نسبت به واقعیت بهتر پیش بینی می کند. در ارتباط با همبستگی پارامترها با نتایج تبخیر- تعرق گیاه مرجع، نتایج نشان داد، در هر دو منطقۀ اصفهان و رشت سرعت باد با تبخیر- تعرق با ضرایب 3/0 و 061/0 کمترین تأثیر را بر هم دارند [1] multi layer procpetron [2] gene expression programming [3] root mean square error