ارزیابی عملکرد برنامه ریزی ژنتیک در مدل سازی دمای متوسط ماهانه درنمونه های اقلیمی مختلف ایران

میانگین دمای ماهانه از کمیت های مهم در مطالعات اقلیم شناسی کشاورزی است و به این دلیل روش های متنوعی برای محاسبه آن ارائه شده است. در مطالعه حاضر، از روش برنامه ریزی ژنتیک (GP) برای مدل سازی دمای متوسط ماهانه در 11 ایستگاه سینوپتیک ایران با تنوع اقلیمی سرد و خشک تا گرم و خشک استفاده گردید. رهیافت فوق طی دو مرحله اجرا گردید: 1- آموزش مدل جهت تخمین سری زمانی داده ها 2- صحت سنجی مدل توسعه یافته با استفاده از داده های واقعی. داده های مورد مطالعه در این تحقیق، سری زمانی دمای متوسط ماهانه می باشد که در شش الگوی حافظه ای (تاخیری) متفاوت آموزش دیدند. در مرحله دوم برای ارزیابی این مدل ها از مجذور میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) استفاده شد. درنهایت مدل هایی با دقت قابل قبول برای ایستگاه های مطالعاتی پیشنهاد شد. نتایج به دست آمده نشان می دهد که روش برنامه ریزی ژنتیک روش مناسبی برای مدل سازی کمیت میانگین دمای ماهانه می باشد. قابل ذکر است که دقت و کارایی این روش در مناطق و اقلیم های مختلف، متفاوت بوده و ضرایب به دست آمده در سایر اقالیم نیازمند واسنجی است. در میان ایستگاه های مطالعاتی، بهترین مدل برای ایستگاه زابل با ضریب تبیین 96/ 0 و مجذور میانگین مربعات خطا 9/ 1 درجه سانتی گراد به دست آمد.