مدل‌سازي فرآيند تبخير با استفاده از الگوريتم هيبريدي پرنده‌ كوت و شبكه‌ عصبي مصنوعي

تبخير يكي از مؤلفه‌هاي اساسي در چرخه‌ هيدرولوژي است. با توجه به اهميت خروج آب از دسترس بشر، برآورد صحيح تبخير بيشتر مورد توجه پژوهشگران قرار گرفته است. در اين تحقيق، به‌منظور مدل‌سازي تبخير، از هيبريد الگوريتم بهينه‌ساز كوت، با شبكه عصبي مصنوعي استفاده شد. به منظور اجراي مدل، از داده‌هاي هواشناسي سه ايستگاه سينوپتيك گرگان، شيراز و كيش با توجه به اقليم‌هاي مختلف استفاده گرديد. داده‌هاي هواشناسي شامل ميانگين دماي هواي كمينه، ميانگين دماي هواي بيشينه، سرعت باد، ميانگين رطوبت نسبي و ساعات آفتابي در طول دوره آماري 2000 تا 2022 در مقياس ماهانه، بوده است. براي انتخاب تركيب داده‌هاي ورودي به هر مدل، از چهار سناريو استفاده شد. براي ارزيابي عملكرد نتايج حاصل از دو مدل، شاخص‌هاي آماري ضريب همبستگي (R)، جذر ميانگين مربعات خطا (RMSE) و ضريب نش - ساتكليف (N-S) مورد استفاده قرار گرفت. به منظور تأييد نتايج از نمودارهاي گرافيكي تيلور، پراكنش، هيستوگرام، خطاي نسبي و ويولني نيز استفاده گرديد. نتايج مرحله صحت‌سنجي مربوط به سناريوي چهارم از مدل هيبريدي در گرگان با مقادير (R=0.99)، (RMSE=8.19) و (NS=0.99)، در شيراز با (R=0.99)، (RMSE=18.43) و (NS=0.98) و در كيش با (R=0.97)، (RMSE=19.36) و (NS=0.93) عملكرد بهتري نسبت به ساير مدل‌ها از خود نشان داد. نتايج تحقيق نشان داد كه هيبريد الگوريتم بهينه‌ساز كوت توانست دقت شبكه عصبي مصنوعي را در تمام سناريوها با هر تركيبي از داده‌ها افزايش دهد. همچنين نتايج نشان داد كه عملكرد سناريوي چهارم الگوريتم هيبريدي (COOT-ANN4) كه شامل هر پنج داده هواشناسي بوده است در هر سه ايستگاه دقيق‌ترين نتايج را نشان داده است.