پيش بيني مقادير تبخير روزانه با الگوريتم هيبريدي رگرسيون بردار پشتيبان- كرم شب تاب و پرسپترون چندلايه

پيش‌بيني تبخير روزانه يك ابزار تعيين‌كننده و مفيد در كشاورزي پايدار و مسائل هيدرولوژيكي، به‌ويژه در طراحي و مديريت سيستم‌هاي منابع آب است. بنابراين، در اين مطالعه توانايي مدل هاي هوش مصنوعي پرسپترون چندلايه (MLP)، رگرسيون بردار پشتيبان (SVR) و مدل تركيبي رگرسيون بردار پشتيبان با الگوريتم كرم شب تاب (SVR-FFA) در برآورد تبخير روزانه در ايستگاه تكاب، طي دوره 2020-2002 با استفاده از چهار معيار آماري مورد ارزيابي قرار گرفت. در هر سه مدل بكار گرفته شده، سناريوي برتر مدلي بود كه ورودي آن شامل پارامترهاي ميانگين دما، حداقل دما، حداكثر دما، رطوبت نسبي متوسط​​، حداقل رطوبت نسبي، حداكثر رطوبت نسبي، سرعت باد و ساعات آفتابي بود. در ميان پارامترهاي ورودي نيز پارامتر ساعات آفتابي از مولفه هاي موثر بر پيش بيني تبخير بوده كه باعث كاهش خطا در تمام مدل ها شده است. نتايج به دست آمده نشان داد كه سناريو ششم مدل MLP بهترين عملكرد را با كمترين خطا (2.18) نسبت به تمامي مدل ها ارائه داد. همچنين نتيجه گرفته شد كه سناريو ششم مدل SVRFFA خطاي كمتري (2.2) را نسبت به ساير مدل ها داشته است. در بين سناريوهاي مدل SVR نيز سناريو ششم كمترين خطا را (2.27)، نسبت به ساير تركيبات SVR از خود نشان داد. نتايج حاصل از اين پژوهش نشان داد كه سناريو ششم مدل MLP بهترين عملكرد را داشته و نيز الگوريتم هيبريدي كرم شب تاب باعث بهبود عملكرد رگرسيون بردار پشتيبان در برآورد تبخير روزانه شد.