امید بهمنی

تعیین میزان تبخیروتعرق درفرآیندطراحی سیستم های آبیاری وزهشکی وعملکردسازه های مرتبطباطرح های کشاورزی ازاهمیتفراوانیبرخورداراست.تنوع روش هاومعرفیروش هایجدیدتااندازه-ایکارانتخابروشبهینهبرآوردرادشوارساختهوتعیینمیزاندقتواعتمادبهآنهانیازمندارزیابیومقایسهمنظموعلمیاست. در همین راستا روش های هوشمندی هم چون ماشین بردار پشتیبان در جهت کاهش هزینه های اندازه گیری و افزایش دقت به کار گرفته می شوند.در اینمطالعهمقادیرتبخیروتعرقمرجع بااستفادهازروشپنمن- مانتیث)فائو)بااستفادهازدادههایآبوهواییایستگاهسینوپتیکهمدان،ملایرو نهاوند به-کمکبرنامهنرمافزار Cropwat.8.0 محاسبه شد. سپسمتغیرهایمستقلهواشناسیایستگاه های همدان، نهاوند و ملایر درسناریوهایپنج گانه دسته بندی گردید و با استفاده از ماشین بردار پشتیبانو تحت توابع آموزش لونبرگ مارکوات و مومنتوم و الگوریتمحداقلمربعاتجزئی (PLS)دقتبرآورد پارامتر تبخیر و تعرق مرجع در هر یک از سناریوهایپنج گانه اطلاعاتیموردارزیابیقرارگرفت.یافته های پژوهش نشان داد ماشین بردار پشتیبان تحت تابع آموزش لونبرگ مارکوات دقت بالایی در برآورد تبخیر و تعرق مرجع دارد. هم چنین به استثنای سناریوی 5 ایستگاه همدان کاهش پارامترهای ورودی در تابع لونبرگ مارکوات با افزایش خطا همراه بود.با توجه به آماره های خطاسنجی در تابع آموزش لونبرگ مارکوات سناریوی 1 ایستگاه ملایر به عنوان الگوی بهینه انتخاب گردید (17/0=RMSE). در مطالعه حاضر هم چنین دقت برآورد تبخیر و تعرق مرجع با تابع آموزش مومنتوم نیز مورد ارزیابی قرار گرفت. نتایج حاکی از دقت بالای تابع مومنتوم در برآورد تبخیر و تعرق مرجع بود. سناریوی 1 ایستگاه ملایر با (47/0=RMSE) کمترین خطا را در بین سه ایستگاه داشت. باتوجهبهآماره-هایخطاسنجیبهتریننتایجماشینبردارپشتیباندرهردوتابعآموزشدرایستگاهملایردرسناریواولاطلاعاتیمشاهدهگردید. نتایج مقایسه مدل هوشمند ماشین بردار پشتیبان (لونبرگ مارکوات و مومنتوم) و الگوریتم حداقل مربعات جزئی نشان داد که مدل هوشمند ماشین بردار پشتیبان (لونبرگ مارکوات) به استثنای سناریوی دوم ملایر و همدان عملکرد بهتری نسبت به سایر مدل ها دارد. هم-چنینباتوجهبهاینکهاندازه گیریپارامترهایهواشناسیهزینه هایزیادیرادربرخواهدگرفتمی-توانبستهبهنظرکارشناسدرهرایستگاهازالگوهاییباکمترینمتغیروبیش ترین دقت بهره برد به طور مثال در هر سه ایستگاه