ارزیابی مدل های تجربی و هوش مصنوعی در برآورد تبخیر- تعرق مرجع (مطالعه موردی: ایستگاه بروجرد)

فایوپنمن مانتیث روشی مبنا، برای برآورد تبخیر- تعرق مرجع است. در خیلی از موارد دسترسی به همه اطلاعات مورد نیاز، مشکل است، لذا جایگزینی مدل های با ورودی های اولیه کم و دقت مناسب ضرورت می یابد. هدف از این پژوهش بررسی قابلیت مدل های تجربی، برنامه ریزی بیان ژن، رگرسیون گام به گام و شبکه بیزین در برآورد تبخیر- تعرق مرجع است. برای اطلاعات ورودی مدل از اطلاعات روزانه ایستگاه سینوپتیک بروجرد در بازه زمانی 1396- 1375 استفاده شد. بر اساس همبستگی بین پارامترهای ورودی و خروجی، شش الگوی ورودی برای مدل سازی تعیین شد. نتایج نشان داد از بین مدل های تجربی، مدل کیمبرلی پنمن دارای عملکرد بهتری است. برنامه ریزی بیان ژن با الگوی چهارم و عملگرهای پیش فرض مدل، دارای 0/98=R2 و  9/0 =RMSE، شبکه بیزین با الگوی ششم، دارای 0/91= R2 و  01/1 =RMSE و رگرسیون گام به گام با الگوی ششم دارای 0/91=R2 و  9/0 =RMSE در مرحله آموزش دقیق ترین الگوها هستند. مقایسه عملکرد مدل ها حاکی از برتری مدل برنامه ریزی بیان ژن نسبت به بقیه مدل ها بود به طوری که دارای  متوسط قدر مطلق خطای نسبی (AARE) به میزان 0/12 و نسبت میانگین (MR) به میزان 0/94 بود. نتایج به دست آمده نشان داد که برنامه ریزی بیان ژن دارای توانایی قابل قبولی در تخمین تبخیر- تعرق مرجع تحت شرایط آب وهوایی بروجرد بوده و و می تواند به عنوان یک مدل مناسب ارایه شود.