امیر حسین خلت آبادی فراهانی

مقدمه: امروزه منابع آب به شدت تحت تاثیر چرخه ی هیدرولوژیکی هستند و برآورد تبخیر و تعرق که جزء اصلی از چرخه ی هیدرولوژیکی است در مدیریت منابع آب نقش بسزایی دارد. این پدیده غیر خطی و از این حیث که پارامترهای بسیاری در برآورد آن دخیل هستند برآورد آن کاری بسیار مشکل است. روش های زیادی برای برآورد تبخیر و تعرق وجود دارد که هر کدام با مشکلی مواجه می باشند. بعضی از این روش ها مثل لایسیمتر هزینه بر و زمانبر می باشند و برخی دیگر مثل روش های تجربی اعتبار محلی دارند. استفاده از روشی که بتواند با توجه به ماهیت این پدیده و استفاده ی حداقل از داده های اقلیمی این پدیده را مدل کند ضروری به نظر می رسد. مواد و روش ها: هدف از انجام این تحقیق ارزیابی روش های تجربی، رگرسیون چند متغیره، شبکه عصبی و الگوریتم های داده کاوی تحت سناریوهای مختلف حداقل داده ی اقلیمی در یک منطقه خشک سرد شهرکرد به منظور برآورد تبخیر و تعرق مرجع روزانه می باشد. داده های مورد استفاده در این تحقیق دمای حداکثر و حداقل، میانگین رطوبت نسبی، سرعت باد در ارتفاع دو متری و ساعات آفتابی در یک دورهی ده ساله بین سالهای 2013-2004 می باشند. برای ارزیابی مدل ها از روش استاندارد پنمن مونتیث فائو استفاده گردید. مدل رگرسیون چند متغیره تحت سناریو های مختلف با کمک نرم افزار 0.SPSS16 محاسبه شد. شبکه ی عصبی نیز تحت سناریو های مختلف داده ورودی، به کمک نرم افزار MATLAB(R2012b) یک شبکه پیشخور با الگوریتم لونبرگ مارکوات و با دو تابع تانژانت سیگموئید و لوگ سیگموئید در لایه پنهان و تابع خطی در لایه خروجی طراحی گردید. برای اجرای الگوریتم های داده کاوی M5pTree ,M5Rule ,RepTree وKstar از نرم افزار WEKA که دارای امکانات بسیار گسترده، امکان مقایسه ی خروجی روش های مختلف با هم، واسط گرافیکی کارا با سایر برنامه های ویندوزی است استفاده گردید. نتایج: به منظور مقایسه روش های مورد استفاده از روش ارزیابی متقابل استفاده شد. برای این منظور از پارامتر های آماری میانگین مجذور مربعات خطا (RMSE) ، میانگین خطای مطلق (MAE) و ضریب همبستگی(R)استفاده شده است. آنالیز آماری به کمک نرم افزار 0.SPSS16 و Excell2010 با شاخص های R و RMSE وMAE و با رتبه دهی به این شاخص ها انجام شد. نتایج نشان داد از بین مدل های تجربی مدل پریستلی تیلور و هارگریوز عملکرد بهتری دارند. مدل رگ