پیش بینی تبخیر - تعرق مرجع روزانه با استفاده از روش ترکیبی هوشمند مصنوعی بر پایه الگوریتم پیش پردازش کننده تجزیه مد تجربی

تبخیر- تعرق به عنوان یکی از اجزاء مهم چرخه هیدرولوژیک نقش بسیار مهمی در بررسی بیلان آبی حوضه های آبریز دارد. در محاسبه نیاز آبی گیاهان، ابتدا مقدار تبخیر- تعرق مرجع محاسبه و سپس با استفاده از آن، تبخیر-تعرق گیاهی محاسبه می شود. در این تحقیق جهت برآوردی دقیق از مقدار تبخیر- تعرق مرجع روزانه حوضه آبریز دریاچه ارومیه، ابتدا براساس روش استاندارد فایو- پنمن- مونتیث و داده های هواشناسی سه ایستگاه ارومیه، مهاباد و خوی، مقدار تبخیر- تعرق مرجع) (ET0 محاسبه شد. سپس با استفاده از آنالیز ضریب مالو، موثرترین پارامترها جهت استفاده در مدلهای مورد استفاده مشخص گردید. در این تحقیق از مدل درخت MT که بر اساس الگوریتم استنتاجی کلاس بندی توسعه پیدا کرده است، استفاده گردید. برای مقابله با پیچیدگی و ناپایداری داده های سری زمانی تبخیر-تعرق از الگوریتم پیش پردازش کننده تجزیه مد تجربی (EMD) استفاده و نتایج به دست آمده با روابط تجربی تعیین تبخیر-تعرق مرجع شامل روش های Romanenko و Schendel مقایسه گردید. نتایج تحقیق نشان داد که عملکرد مدل درخت به شکل منفرد MT، مشابه و گاهی کمتر از عملکرد شبکه عصبی مصنوعی بود. با این حال ترکیب مدل درخت با تکنیک EMD باعث افزایش دقت مدل و کاهش خطا در شبیه سازی روزانه در ایستگاه های ارومیه، مهاباد و خوی گردید. نتایج نشان داد که در مرحله آزمون ترکیب روش MT با EMD باعث ارتقا شاخص همبستگی به میزان 02/1% ، 39/4% و 04/2% به ترتیب برای ایستگاه های ارومیه، مهاباد و خوی گردید. همچنین میان روابط تجربی، رابطه Romanenko نسبت به رابطه تجربی Schendel دارای دقت بالاتری بوده و می توان رابطه Romanenko را برای مدل سازی تبخیر-تعرق مرجع برای منطقه مورد مطالعه توصیه نمود.