پیش بینی مقادیر تبخیر روزانه با استفاده از الگوریتم هیبریدی رگرسیون بردار پشتیبان-کرم شب تاب در مناطق ساحلی ایران

در چرخه هیدرولوژیک، تبخیر مرحله اولیه ای است که باعث از دست دادن آب می شود. از آن جایی که مناطق ساحلی نسبت به سایر مناطق تبخیر بیشتری دارند، پیش بینی دقیق هدررفت آب در این مناطق منجر به درک بهتر چرخه هیدرولوژیکی شده و برای مدیریت منابع آب و کشاورزی ضروری است. بنابراین، هدف از پژوهش حاضر پیش بینی مقادیر تبخیر روزانه در چهار ایستگاه ساحلی آبادان، رامسر، بندرعباس و بندرانزلی با اعمال روش های رگرسیون بردار پشتیبان (SVR) و رگرسیون بردار پشتیبان ترکیب شده با الگوریتم کرم شب تاب (SVR-FFA) بوده است. بدین منظور پارامترهای هواشناسی در بازه زمانی 2021-1990 جمع آوری شده و سپس با استفاده از ضریب همبستگی پیرسون، ترتیب پارامتر های ورودی برای پیش بینی تبخیر روزانه تعیین گردید. لازم به ذکر است که ورودی مدل ها شامل دما، رطوبت نسبی، سرعت باد و تعداد ساعات آفتابی بود. مقایسه بین پارامترهای ورودی نشان داد که پارامتر ساعات آفتابی بیش ترین تاثیر را بر دقت پیش بینی تبخیر در هر دو مدل داشته است. برای ارزیابی عملکرد مدل ها از پارامترهای آماری مختلفی استفاده شد. نتایج به دست آمده نشان داد که در ایستگاه رامسر، هر دو مدل کمترین خطا را داشته اند، بطوریکه مدل SVR-FFA-8 مقدار جذر میانگین مربعات خطای mm day-113/1 و مدل SVR-8 مقدار خطای mm day-125/1 را از خود نشان دادند. بنابراین، نتیجه گیری شد که الگوریتم بهینه سازی FFA می تواند قابلیت مدل-های SVR را به طور قابل توجهی افزایش دهد. از این رو، براساس نتایج کلی به دست آمده از پژوهش حاضر، SVR-FFA می تواند به عنوان روشی با دقت بالا برای پیش بینی مقادیر تبخیر روزانه در مناطق ساحلی توصیه گردد.