بررسي بهترين تركيب آموزش و آزمون مدل‌هاي هوشمند در تعيين تبخير و تعرق مرجع

امروزه استفاده از مدل‌هاي هوشمند در برآورد و پيش‌بيني متغيرهاي مختلف به دليل صحت بيشتر آن‌ها رواج يافته است. يكي از الزامات مهم در اين‌گونه مدل‌ها آموزش و آزمون بهينه آن‌ها است. در اين پژوهش سعي شده است بهترين آموزش- آزمون براي برآورد تبخير و تعرق مرجع (ETO) توسط مدل‌هاي هوشمند موردبررسي قرار گيرد. بدين منظور 14 سال داده هواشناسي سه ايستگاه سينوپتيك فرودگاهي (جلفا با آب‌وهواي خشك بر اساس شاخص خشكي يونسكو، رشت با آب‌وهواي مرطوب و شيراز با آب‌وهواي نيمه‌خشك) مورداستفاده قرار گرفت. تركيبات مختلف سال‌هاي آموزش (11-1) و آزمون (5-1) در نظر گرفته شد. پس از مرتب‌سازي و بازسازي داده‌ها در هر سه ايستگاه، ETO با مدل‌هاي هوشمند سيستم استنتاج عصبي – فازي تطبيقي (ANFIS) و برنامه‌ريزي بيان ژن (GEP) بر پايه ورودي‌هاي مدل پنمن- مانتيث فائو (FPM)، هارگريوز(HR)، پريستلي-تيلور (PT) بر اساس تركيبات مختلف آموزش-آزمون برآورد گرديد. ETO برآورد شده با مدل‌هاي هوشمند با ETO برآورد شده از مدل مرجع FPM بر اساس معيار آماري RMSE مورد مقايسه قرار گرفت. نتايج نشان داد كه در هر آب‌وهوا و مدل‌هاي مختلف مي‌توان از تركيبات متعدد آموزش-آزمون بهره برد ولي تركيب 80 درصد آزمون (8 سال) و 20 درصد آموزش (2 سال) بهترين مشترك در اكثر گزينه‌ها است. گزينه آموزش و آزمون برابر در اكثر موارد نامناسب تشخيص داده شد.