ارزیابی توانایی مدل های گرادیان تقویتی و جنگل تصادفی بهینه شده در تخمین دمای نقطه شبنم روزانه

دمای نقطه شبنم در زمینه های مختلف از جمله علوم هواشناسی جهت پیش بینی های مربوط به آب و هوا دارای اهمیت فراوانی می باشد. لذا ارایه مدل های مناسب جهت پیش بینی دقیق مقدار این متغیر هواشناسی برای استفاده عملی مهندسین کشاورزی و ایستگاه های مجاوری که در آن ها امکان اندازه گیری این دما وجود ندارد، ضروری می باشد. در پژوهش حاضر توانایی چهار مدل داده محور شامل درخت گرادیان تقویتی، مدل درختی M5P، جنگل تصادفی و جنگل تصادفی بهینه شده با الگوریتم ژنتیک در تخمین دمای نقطه شبنم روزانه مورد ارزیابی قرار گرفت. برای این منظور از داده های هواشناسی روزانه دو ایستگاه اردبیل و پارس آباد در بازه زمانی 1384 تا 1399 استفاده شد. پارامترهای هواشناسی مورد استفاده شامل حداقل، حداکثر و میانگین دما، رطوبت نسبی، ساعت آفتابی و سرعت باد بوده که در 10 ترکیب متفاوت به عنوان متغیرهای ورودی برای هر یک از مدل های مذکور در نظر گرفته شدند. مقایسه نتایج به دست آمده برای هر دو ایستگاه نشان داد که مدل  M5P-8با دارا بودن جذر میانگین مربعات خطای °C 54/0 و ضریب ویلموت برابر با 998/0 در ایستگاه اردبیل و  مدل M5P-6 با جذر میانگین مربعات خطای ◦C 29/0 و ضریب ویلموت برابر با 00/1 در ایستگاه پارس آباد به عنوان برترین مدل ها معرفی شدند.