ارزیابی عملکرد شبکۀ عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین مقادیر روزانۀ تبخیر (مطالعۀ موردی: ایستگاه های هواشناسی تبریز و مراغه)
چکیده
تبخیر مؤلفهای اساسی در چرخه هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدلهای شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین تبخیر روزانه ارزیابی شده است. دادههای روزانه هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطه شبنم، و ساعت آفتابی ایستگاه‌های سینوپتیک تبریز و مراغه، به منزله ورودی مدلهای ann و svm، برای تخمین تبخیر روزانه استفاده شد. نخست ده ترکیب مختلف از هفت ورودی و سپس ورودیهای منفرد به منظور تخمین تبخیر بهکار گرفته شدند. نتایج مدلهای استفادهشده نشان داد که هر دو مدل ann و svm عملکرد قابل قبولی در تخمین تبخیر دارند. ارزیابی نتایج استفاده از ورودیهای تکی نشان داد که بهترتیب کاربرد پارامترهای میانگین دما و ساعت آفتابیـ نسبت به پارامترهای دیگر ـ نتایج بهتری در تخمین تبخیر هر یک از ایستگاهها داشته است. بررسیهای این تحقیق نشان میدهد که اگرچه تفاوت معنیداری بین نتایج سه تابع کرنل ماشین بردار پشتیبان وجود ندارد، تابع کرنل پایه شعاعی در مقایسه با توابع کرنل دیگر از دقت زیاد و عملکرد بهتری در تخمین تبخیر روزانه برخوردار است.