مقایسه روش های شبکه عصبی مصنوعی و رگرسیون چندگانه در برآورد تبخیر از تشت و تعیین مهم ترین عوامل هواشناسی موثر به روش تحلیل مولفه های اصلی

میزان تبخیر از تشت یکی از عوامل بسیار مهم در برنامه ریزی منابع آب، مدیریت آبیاری و تولیدات زراعی می‏باشد.. بسیاری از ایستگاه های هواشناسی کشور فاقد آمار طولانی مدت و همگن تبخیر از تشت می باشند. لذا مدلهای تجربی مختلفی به منظور برآورد این کمیت مورد استفاده قرار می گیرد. هدف از انجام این تحقیق، برآورد تبخیر از تشت در چهار ایستگاه سینوپتیک کرج، اهواز، شیراز و تبریز در بازه زمانی 1986 تا 2005 با استفاده از دو روش شبکه عصبی مصنوعی (Artificial Neural Network) و رگرسیون چندگانه ‏(Multiple regression) و مشخص نمودن مهمترین متغیرهای تاثیرگذار بر تبخیر از تشت در ایستگاه های مطالعاتی با استفاده از روش تحلیل مولفه های اصلی‏(Principal Factors Analysis)می‏باشد. در این رابطه، داده های تبخیر از تشت، دمای بیشینه و کمینه، سرعت باد، رطوبت نسبی و ساعات آفتابی مورد تجزیه و تحلیل قرار گرفت. نتایج حاصل از روش آنالیز مولفه های اصلی(PCA) نشان داد در ایستگاه اهواز 90 درصد، ایستگاه تبریز 91 درصد و در ایستگاه شیراز 93 درصد از تغییرات تبخیر از تشت بر اساس ساعات آفتابی، سرعت باد و دمای حداکثر و حداقل قابل توجیه است. ولی در ایستگاه کرج، تعیین موثرترین عوامل بر تبخیر از تشت با روش PCA عملی نبوده است. نتایج روش شبکه عصبی مصنوعی نشان داد که مقادیر برآوردی با مقادیر مشاهداتی تطابق مناسبی داشتند، به طوری که در ایستگاه های اهواز، شیراز و تبریز مقدار ضریب تبیین(R2) برابر 81/0 و در ایستگاه کرج 88/0 و مقدار RMSE برای ایستگاه های اهواز، شیراز و تبریز 2/0 میلی متر و برای ایستگاه کرج 1/0 میلیمتر می باشد. همچمین مقدار MAE برای ایستگاه های کرج، اهواز، شیراز و تبریز به ترتیب برابر 83/3، 6/33، 79/21 و 6/15 میلیمتر می باشد. همچنین بر اساس شاخص MSE2 مشخص شد مدل پیشنهادی در ایستگاه های اهواز، شیراز و تبریز بیش برآورد بوده و تنها در ایستگاه کرج مدل پیشنهادی کم برآورد می باشد. نتایج حاصل از روش رگرسیون چندگانه نشان داد که در ایستگاه کرج دمای حداکثر، ایستگاه تبریز سرعت باد، ایستگاه شیراز دمای حداقل مقدار P-value برابر 03/0، 04/0، 1/0می باشد که بیانگر اینست که این عوامل نسبت به سایر عوامل مورد بررسی تاثیر بیشتری بر روی تبخیر از تشت داشته است.