ارزيابي روش‌هاي داده‌كاوي و مدل‌هاي تجربي مبتني بر دما-تشعشع در برآورد تبخير از تشت (مطالعه موردي: شرق درياچه اروميه)

Evaluation of Data Mining Methods and Experimental Temperature-Radiation-Based Models in Estimating Evaporation from the Pan (Case Study: East of Urmia Lake)

تبخير از تشت نقش مؤثري در مديريت منابع آب دارد. ولي به­ دليل اثرات متقابل متغير­هاي هواشناسي در محاسبه تبخير، روابط غيرخطي متعددي ارائه شده است كه با توجه به شرايط اقليمي هر منطقه كارآيي آن­ها قابل بحث است. لذا در مطالعه حاضر، كارآيي روش­ هاي تجربي مبتني بر دما-تشعشع و روش­هاي داده‌كاوي رگرسيون ماشين بردار پشتيبان (SVR)، رگرسيون فرآيند گاوسي (GPR) و نزديكترين همسايگي (IBK) تحت 10 سناريو مختلف حاصل از تركيب عوامل هواشناسي در پيش­ بيني و مدل ­سازي تبخير از تشت در 5 ايستگاه منتخب در شرق حوضه درياچه اروميه بررسي شد. براي ارزيابي نتايج از شاخص ­هاي آماري NRMSE و MAPE استفاده شد. به­ منظور مدل­سازي پارامتر­هاي مؤثر در تبخير از تشت، ميزان تأثير هريك از پارامتر­ها با استفاده از روش تجزيه به مؤلفه­ هاي اصلي از طريق مقادير همبستگي پارامتر­ها با ميزان تبخير از تشت محاسبه گرديد. نتايج نشان داد در بين متغيرهاي هواشناسي مورد بررسي، دما بيشترين و سرعت باد و بارش كمترين تأثير را در مدل­سازي دارند. همچنين در بين روش­هاي تجربي، روش جنسن-­هيز داراي بالاترين دقت بود. علاوه بر اين، در بين روش­هاي داده­كاوي نيز روش SVR در ايستگاه ­هاي تبريز، سراب و هريس و روش GPR در ايستگاه­هاي بستان­آباد و مراغه در مقايسه با ساير روش­ها دقت بالاتري داشتند. به طور كلي در تمام ايستگاه ­ها دقت بهترين سناريوي روش­ هاي داده­ كاوي بالاتر از بهترين روش تجربي بود. در شرايط محدوديت داده نيز روش جنسن­-هيز دقت مطلوبي داشت. همچنين، علي­رغم دقت پايين روش IBK نسبت به ساير روش­ هاي داده ­كاوي، اين روش با متغير­هاي ورودي كمتري به بالاترين دقت خود در مدل­سازي تبخير مي­ رسد.

Evaporation from the pan has an effective role in water resources management. But due to the interaction of meteorological variables in the calculation of evaporation, several nonlinear relationships have been presented that their efficiency is arguable according to the climatic conditions of each region. Therefore, in the present study, the capabilities of temperature-radiation-based empirical equations and data mining methods of support vector regression (SVR), Gaussian process regression (GPR) and nearest neighborhood (IBK) were investigated under 10 different scenarios resulting from the combination of meteorological factors in estimating and predicting the evaporation amounts in 5 selected stations in the east of Urmia Lake basin. NRMSE and MAPE statistical indicators were used to evaluate the results. In order to model the effective parameters on pan evaporation, the effect of each parameter was calculated using the principal component analysis through the correlation values of parameters with the pan evaporation rate. The results showed that among the implemented meteorological parameters, temperature have the maximum impact and wind speed and precipitation have the minimum impacts on modeling process. Also, among the empirical methods, the Jensen-Haise method had the highest accuracy. Moreover, among the data mining methods, the SVR in Tabriz, Sarab, and Harris stations and GPR in Bostanabad and Maragheh stations had higher accuracies as compared to the others. In general, in all the studied stations, the accuracy of the best data mining scenario was higher than the best empirical method. Also, in terms of data limitation, the Jensen-Haise method had suitable accuracy. Also, despite the low accuracy of the IBK method compared to other data mining methods, this method reachs to its highest accuracy rates with the lowest input variable.