پيش‌بيني ماهانه‌ تبخير از تشت با استفاده از رويكردهاي انفرادي و تركيبي مدل‌هاي داده‌كاوي در مناطق خشك

برآورد دقيق ميزان تبخير در برنامه‌ريزي صحيح و بهره‌برداري بهينه از پروژه‌هاي منابع آب و فعاليت‌هاي كشاورزي بسيار مهم است. تبخير تحت تأثير بسياري از نيروهاي محركه است كه با ويژگي غيرخطي، غيرثابت و تصادفي مشخص مي‌شوند. چنين عواملي به وضوح مانع از راه‌اندازي مدل‌هاي پيش‌بيني دقيق مي‌شود. از اين‌رو، در اين مطالعه به پيش‌بيني ماهانه‌ تبخير از تشت با استفاده از رويكردهاي انفرادي و تركيبي مدل‌هاي داده‌كاوي در استان سيستان و بلوچستان پرداخته شده است. داده‌هاي هواشناسي شامل متوسط دماي ماهانه، بيشينه دماي ماهانه، كمينه دماي ماهانه، ميانگين سرعت باد، متوسط رطوبت نسبي، بيشينه رطوبت نسبي، كمينه رطوبت نسبي و مجموع بارش ماهانه از ايستگاه‌هاي سينوپتيك در استان سيستان و بلوچستان به‌عنوان متغيرهاي پيش‌بيني‌كننده استفاده شد. در رويكرد عملكرد انفرادي مدل‌هاي داده‌كاوي، از هشت مدل داده كاوي به‌منظور شبيه‌سازي و پيش‌بيني تبخير از تشت استفاده شد. از رويكرد تركيبي VEDL به‌منظور ارائه‌ يك مدل تركيبي (تركيب هشت مدل انفرادي داده‌كاوي اشاره شده) با استفاده از روش واپسگراي راي و راي وزني مورد استفاده قرار گرفت. به‌منظور ارزيابي مدل‌هاي مورد استفاده در اين پژوهش از معيارهاي ارزيابي ضريب تعيين (R2)، ريشۀ ميانگين مربعات خطا (RMSE)، ميانگين خطاي مطلق و نمودار تيلور استفاده شد. در بين مدل‌هاي انفرادي مدل شبكه‌ عصبي مصنوعي (ANN) با ميزان R2 برابر 0.89 و RMSE برابر 45.95 در مرحله‌ آموزش و ميزان R2 برابر 0.96 و RMSE برابر 44.18 در مرحله‌ آزمون، بهترين عملكرد را در هر دو مرحله‌ آموزش و آزمون داشته است و به‌عنوان بهترين مدل داده‌كاوي در ايستگاه زاهدان به‌منظور پيش‌بيني تبخير از تشت ماهانه معرفي شد. نتايج اجراي مدل تركيبي نشان داد كه رويكرد تركيبي مدل‌ها موجب بهبود نتايج نسبت به بهترين مدل انفرادي شده است. به‌طوري‌كه مقادير RMSE از مقدار 45.95 به مقدار 33.1 و مقادير R2 از مقدار 0.89 به مقدار 0.94 و مقدار MAE از 32.92 به مقدار 32.9 بهبود يافته است.