ارزیابی دقت روش‌های 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 اقلیم‌های نیمه‌خشک و معتدل، به کمک دو روش‌ هوشمند، از پارامترهای هواشناسی در طول آماری 1970-2010 استفاده شد. همچنین از شبکه‌های عصبی با ساختار پرسپترون چندلایه (MLP[1]) و برنامه‌ریزی 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 ورودی‌های بیشینه و کمینۀ دما، رطوبت، سرعت باد و تعداد ساعات آفتابی، با جذر میانگین مربعات خطا (RMSE[3]) برابر با 418/0 میلی‌متر در روز بهترین نتیجه را جهت تخمین تبخیر- تعرق مرجع ارائه داد. همچنین در منطقۀ رشت با کاربرد مدل MLP و با ورودی‌های 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 پیش‌بینی می‌کند. 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