کاربرد سیستم های استنتاج فازی- عصبی تطبیقی و ماشین بردار پشتیبان برای برآورد تبخیر تعرق مرجع ماهانه شمال غرب کشور

در مطالعه حاضر به منظور پیش بینی تبخیر و تعرق گیاه مرجع با استفاده از دو مدل SVM و ANFIS در مقیاس زمانی ماهانه، 6 ایستگاه سینوپتیک در منطقه شما ل غرب کشور در دوره آماری 38 ساله (2010-1973) انتخاب شد. در ابتدا مقادیر تبخیر و تعرق مرجع ماهانه برای ایستگاه-های منتخب توسط روش فائو- پنمن- مونتیث محاسبه و به عنوان خروجی مدل های SVM و ANFIS در نظر گرفته شد. سپس یک رابطه رگرسیونی بین متغیرهای اقلیمی مختلف موثر در پدیده تبخیر و تعرق به دست آمده و الگوهای مختلف ورودی برای مدل های مورد استفاده مشخص گردید که بر این اساس رطوبت نسبی با داشتن کمترین اثر از ورودی ها حذف گردید. هم چنین در مطالعه حاضر به منظور بررسی اثر حافظه در پیش بینی تبخیر و تعرق از گام های زمانی (تاخیر) یک، دو، سه و چهار ماهانه نیز به عنوان ورودی برای مدل ها استفاده شد. به طور کلی برای هر مدل 9 الگوی ورودی ایجاد گردید. نتایج حاصله نشان دهنده دقت بالا و خطای کم هر دو مدل در پیش بینی تبخیر و تعرق مرجع ماهانه بوده ولی کارایی مدل SVM کمی بهتر از مدل ANFIS بود. هم چنین زمانی که از حافظه سری زمانی تبخیر و تعرق برای ورودی مدل ها استفاده گردید، نسبت به حالتی که از متغیرهای اقلیمی به عنوان ورودی استفاده شد، دقت کمتر بود.