بررسي كارايي توابع انتقالي مبتني بر روش‌هاي يادگيري ماشين براي پيش‌بيني تبخير و تعرق مرجع (مطالعۀ موردي: بوشهر)

محاسبۀ دقيق تبخير‌ـ تعرق مرجع يكي از گام‏هاي اساسي براي رسيدن به مديريت بهينۀ منابع آب است. در اﻳﻦ ﺗﺤﻘﻴﻖ تبخير‌ـ‌ تعرق مرجع بوشهر به روش فائو‌‌ـ پنمن‌ـ‌ مانتيث محاسبه شد. سپس، از روش‏هاي روش‏هاي دمايي (هارگريوز‌ ساماني و بلاني‌ كريدل) و روش‏هاي تشعشعي (مك‏كينگ اصلاح‌شده، تورك و پرستلي‏تيلور) نيز براي محاسبۀ تبخيرـ‌ تعرق استفاده شد. نتايج به‌دست‌آمده از اين روش‏ها با روش تركيبي فائو‌ـ‌ پنمن‌ـ‌ مانتيث مقايسه شد. نتايج نشان داد از بين دو روش دمايي روش هرگريوز‌ ساماني و از بين روش‏هاي تشعشعي روش پرستلي‏تيلور نتايج نزديك‏تري به روش تركيبي فائو‌‌ـ پنمن‌ـ‌ مانتيث داشتند. از ﻣﺪلﻫﺎى هوش مصنوعي، ﻣﺪل ماشين بردار پشتيبان، جنگل تصادفي و كيوبيست نيز ﺑﺮاى ﺗﺨﻤﻴﻦ تبخير‌‌ـ تعرق مرجع اﺳﺘﻔﺎده شد. دادهﻫﺎى ﻣﻮرد اﺳﺘﻔﺎده ﺷﺎﻣﻞ دماي حداقل، حداكثر و متوسط، رطوبت نسبي، ساعت آفتابي و سرعت باد ﻃﻰ ﻳﻚ دورۀ آﻣﺎرى سي‌ساله از سال 1370 ﺗﺎ 1400 بود. ﺑﺮاى ﺑﺮرﺳﻰ ﻧﺘﺎﻳﺞ ﻣﺪل‏هاي يادشده از ﻣﻌﻴﺎرﻫﺎى ارزﻳﺎﺑﻰ ﻣﺠﺬور ﻣﻴﺎﻧﻴﮕﻦ ﻣﺮﺑﻌﺎت ﺧﻄﺎ، ميانگين مطلق خطا و ﺿﺮﻳﺐ تبيين R2 اﺳﺘﻔﺎده ﺷﺪ. نتايج نشان داد هر سه مدل دقت زيادي در شبيه‏سازي تبخير‌ـ‌ تعرق داشتند. مدل كيوبيست با داشتن R2 بالاتري (0.95)، كمترين مجذور ميانگين خطا (0.87) و كمترين ميانگين مطلق خطا (0.38) به ‏عنوان روش برتر براي تبخير‌ـ‌ تعرق انتخاب شد.