توانایی مدل برنامه ریزی بیان ژن در برآورد میزان تبخیر و تعرق مرجع با حداقل داده های هواشناسی

هوش مصنوعی به عنوان یکی از ابزار معتبر در مدلسازی فرایندهای پیچیده غیرخطی، شناخته شده است. در این تحقیق، به منظور بررسی توانایی مدل برنامه ریزی بیان ژن (Gene Expression Programming (GEP)) در برآورد میزان تبخیر و تعرق با استفاده از داده های هواشناسی، از دوره آماری 30 سال هواشناسی ایستگاه هواشناسی اهواز، استفاده گردید. روش مرجع برای محاسبه تبخیر و تعرق، روش پنمن مانتیث در نظر گرفته شد. در این تحقیق چهار سناریو با ترکیب های مختلف پارامترهای ورودی مدل مورد بررسی قرار گرفت. در نهایت نتایج نشان داد، بهترین ترکیب پارامترهای ورودی برای مدل برنامه ریزی بیان ژن ، شامل پارامترهای دمای حداقل، دمای حداکثر، رطوبت نسبی و ساعات آفتابی بود . به ازای این پارامترهای ورودی،  مقادیر R2، MAE و RMSE  در مرحله آموزش  به ترتیب برابر 964/0، 421/0 میلی متر بر روز و 507/0 میلی متر بر روز و در مرحله آزمون (تست)  به ترتیب برابر 965/0، 419/0 و 506/0 به دست آمد.   بارش تنها پارامتری بود که کمترین اثر را بر میزان تبخیر و تعرق نشان داد، به گونه ای که افزایش این پارامتر به پارامترهای ورودی مدل، باعث تغییر ناچیز (کمتر از یک درصد) در مقادیر شاخص های ارزیابی گردید. به نظر می رسد علت این امر به میزان بارندگی کم این منطقه باشد، به گونه ای که در اکثر ماه ها، میزان بارنگی بسیار ناچیز است. در نهایت نتایج این تحقیق نشان داد مدل برنامه ریزی بیان ژن می تواند به عنوان یک ابزار مناسب با دقت خوب برای برآورد میزان تبخیر و تعرق مرجع قرار بگیرد.