بررسی کارایی توابع انتقالی مبتنی بر روش های یادگیری ماشین برای پیش بینی تبخیر و تعرق مرجع (مطالعه موردی: بوشهر)

محاسبه دقیق تبخیر تعرق مرجع یکی از گام‏های اساسی برای رسیدن به مدیریت بهینه منابع آب است. در این تحقیق تبخیر تعرق مرجع بوشهر به روش فایو پنمن مانتیث محاسبه شد. سپس، از روش‏های روش‏های دمایی (هارگریوز سامانی و بلانی کریدل) و روش‏های تشعشعی (مک‏کینگ اصلاح شده، تورک و پرستلی‏تیلور) نیز برای محاسبه تبخیر تعرق استفاده شد. نتایج به دست آمده از این روش‏ها با روش ترکیبی فایو پنمن مانتیث مقایسه شد. نتایج نشان داد از بین دو روش دمایی روش هرگریوز سامانی و از بین روش‏های تشعشعی روش پرستلی‏تیلور نتایج نزدیک‏تری به روش ترکیبی فایو پنمن مانتیث داشتند. از مدلهای هوش مصنوعی، مدل ماشین بردار پشتیبان، جنگل تصادفی و کیوبیست نیز برای تخمین تبخیر تعرق مرجع استفاده شد. داده های مورد استفاده شامل دمای حداقل، حداکثر و متوسط، رطوبت نسبی، ساعت آفتابی و سرعت باد طی یک دوره آماری سی ساله از سال 1370 تا 1400 بود. برای بررسی نتایج مدل‏های یادشده از معیارهای ارزیابی مجذور میانیگن مربعات خطا، میانگین مطلق خطا و ضریب تبیین R2 استفاده شد. نتایج نشان داد هر سه مدل دقت زیادی در شبیه‏سازی تبخیر تعرق داشتند. مدل کیوبیست با داشتن R2 بالاتری (95/0)، کمترین مجذور میانگین خطا (87/0) و کمترین میانگین مطلق خطا (38/0) به ‏عنوان روش برتر برای تبخیر تعرق انتخاب شد.