عباس رضائی

امروزه استفاده از مدل های هوشمند در برآورد و پیش بینی متغیرهای مختلف به دلیل صحت بیشتر آن ها رواج یافته است. یکی از الزامات مهم در این گونه مدل ها آموزش و آزمون بهینه آن ها است. در این پژوهش سعی شده است بهترین آموزش- آزمون برای برآورد تبخیر و تعرق مرجع (ETO) توسط مدل های هوشمند موردبررسی قرار گیرد. بدین منظور 14 سال داده هواشناسی سه ایستگاه سینوپتیک فرودگاهی (جلفا با آب وهوای خشک بر اساس شاخص خشکی یونسکو، رشت با آب وهوای مرطوب و شیراز با آب وهوای نیمه خشک) مورداستفاده قرار گرفت. ترکیبات مختلف سال های آموزش (11-1) و آزمون (5-1) در نظر گرفته شد. پس از مرتب سازی و بازسازی داده ها در هر سه ایستگاه، ETO با مدل های هوشمند سیستم استنتاج عصبی – فازی تطبیقی (ANFIS) و برنامه ریزی بیان ژن (GEP) بر پایه ورودی های مدل پنمن- مانتیث فائو (FPM)، هارگریوز(HR)، پریستلی-تیلور (PT) بر اساس ترکیبات مختلف آموزش-آزمون برآورد گردید. ETO برآورد شده با مدل های هوشمند با ETO برآورد شده از مدل مرجع FPM بر اساس معیار آماری RMSE مورد مقایسه قرار گرفت. نتایج نشان داد که در هر آب وهوا و مدل های مختلف می توان از ترکیبات متعدد آموزش-آزمون بهره برد ولی ترکیب 80 درصد آزمون (8 سال) و 20 درصد آموزش (2 سال) بهترین مشترک در اکثر گزینه ها است. گزینه آموزش و آزمون برابر در اکثر موارد نامناسب تشخیص داده شد.