%0 Journal Article %T برآورد تبخیر-تعرق روزانه و هفتگی با استفاده از رویکردهای ترکیبی محاسبات نرم %J نشریه آبیاری و زهکشی ایران %I انجمن آبیاری و زهکشی ایران %Z 2008-7942 %A شهابی, سجاد %A آذرپیرا, فریبا %A برزکار, علی %D 2020 %\ 12/21/2020 %V 14 %N 5 %P 1550-1561 %! برآورد تبخیر-تعرق روزانه و هفتگی با استفاده از رویکردهای ترکیبی محاسبات نرم %K تبخیر-تعرق %K جنگل تصادفی %K مدل درخت M5 %K موجک %R %X از آنجا که بخش بسیار بزرگی از آب در دسترس به واسطه تبخیر-تعرق تلف می شود، برآورد دقیق آن در دوره های زمانی کوتاه مدت و بلندمدت حائز اهمیت می باشد. در این مقاله قابلیت رویکرد مدل درخت M5 و جنگل تصادفی (RF) به عنوان رویکردهای هوش مصنوعی و همچنین در ترکیب با فرآیند پیش پردازشگر موجک، جهت برآورد تبخیر-تعرق پتانسیل روزانه و هفتگی در ایستگاه سینوپتیک بابلسر بررسی گردید. با توجه به ساختار سری زمانی داده های ورودی، دو تابع موجک مادر کویفلت و دوبشی مرتبه ششم در سطوح تجزیه 3 تا 8 انتخاب شدند. به منظور ارزیابی مدل های ارائه شده از چهار شاخص ضریب همبستگی (R)، شاخص توافق (Ia)، ضریب ناش-ساتکلیف (NSE) و جذر متوسط مربعات خطا (RMSE) استفاده شد. نتایج حاصل از این پژوهش نشان داد که با وجود این که کلیه مدل های منفرد، کارایی مطلوبی در مدلسازی تبخیر-تعرق دارند، استفاده از فرآیند پیش پردازش موجک، در تمامی موارد موجب ارتقای عملکرد مدل های منفرد شده و همچنین باعث می شود تا سناریوهای ورودی ساده تر هم نتایج مطلوب تری ارائه کنند. به عنوان مثال در سناریوی ورودی سوم (سرعت باد، دمای حداکثر، رطوبت نسبی و نقطه شبنم) استفاده از موجک دوبشی مرتبه ششم در سطح تجزیه 5 موجب شد تا ضریب همبستگی مدل روزانه از 0.908 به 0.928 ارتقا یافته و همزمان RMSE از 0.833 به 0.722 میلی متر در روز کاهش یابد. به طور مشابه استفاده از موجک مادر کویفلت مرتبه چهارم در سطح تجزیه 5 موجب شد تا در مدل هفتگی ضریب همبستگی از 0.948 به 0.961 افزایش یافته و میزان RMSE از 4.55 به 4 میلی متر در هفته کاهش یابد. از این رو این تحقیق، کارایی رضایتبخش هر دو رویکرد منفرد و ترکیبی در برآورد تبخیر-تعرق دوره های زمانی روزانه و هفتگی را نشان داد، با این وجود کاربرد رویکردهای ترکیبی موجب شد تا استفاده از پارامترهای هواشناسی ساده تر و در دسترس تر هم نتایج رضایتبخشی را ارائه کند. %U https://idj.iaid.ir/article_122319_25a111ccc2c69b3e7194619f48f0732f.pdf