ارزیابی کارایی چندین روش داده کاوی برای پیش بینی تبخیر(مطالعه موردی: ایستگاه سینوپتیک یزد)

تبخیر یکی از پارامترهای اقلیمی مهم در مناطق خشک است و نقش مهمی را در مدیریت منابع آب بازی می کند، به همین جهت آگاهی از مقدار تبخیر و مدل سازی آن به عنوان یکی از متغیرهای مهم هیدرولوژیکی در تحقیقات کشاورزی و حفاظت آب و خاک از اهمیت زیادی برخوردار است. در دهه های اخیر روش های هوش مصنوعی در تخمین و پیش بینی پدیده های غیرخطی توانایی بالایی از خود نشان داده است. در این تحقیق از سه روش مهم داده کاوی شامل شبکه عصبی مصنوعی، شبکه های استنتاج فازی و درخت تصمیم رگرسیونی جهت پیش بینی تبخیر ماهانه در ایستگاه سینوپتیک یزد استفاده شد. برای این منظور از 8 متغیر هواشناسی در مقیاس ماهانه (متوسط کمینه دما، متوسط بیشینه دما، میانگین دما، ساعات آفتابی، سرعت باد، جهت باد، میانگین رطوبت نسبی و تبخیر) به عنوان ورودی مدل استفاده گردید. نتایج به دست آمده نشان داد هر سه مدل نامبرده قادرند با استفاده از پارامترهای اقلیمی مذکور به پیش بینی مقدار تبخیر ماهانه 12 ماه بعد از وقوع بپردازند ولی در میان سه مدل مورد استفاده، شبکه عصبی مصنوعی با ضریب همبستگی برابر با 97/0 r=، 1/5RMSE= ،3/36 MAE= و 48/0- ME= بهترین کارایی را از خود نشان داد. همچنین نتایج نشان داد در پیش بینی تبخیر، تفاوت قابل ملاحظه ای در زمان استفاده از داده های خام و داده های نرمال شده وجود ندارد و پردازش داده ها تاثیر چندانی در بهبود نتایج مدل ها نخواهد داشت.