انجمن آبیاری و زهکشی ایران نشریه آبیاری و زهکشی ایران 2008-7942 14 2 2020 06 21 Evaluation of Bayesian Network and Support Vector Machine Models ‎in Estimation of Reference Evapotranspiration (Case Study: ‎Khorramabad)‎ ارزیابی مدل‌های شبکه‌بیزین و ماشین‌بردارپشتیبان در برآورد تبخیروتعرق مرجع (مطالعه ‏موردی: خرم‌آباد)‏ 522 534 110738 FA یاسر سبزواری دانشجوی کارشناس ارشد مهندسی آبیاری و زهکشی ، دانشکده کشیاورزی، دانشگاه لرستان علی حیدر نصرالهی استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان مجید شریفی پور گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران بابک شاهی نژاد گروه مهندشی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران Journal Article 2019 11 12 Around the world, the Penman-Monteithe-FAO model is used as a reference method to estimate reference ‎evapotranspiration. This method requires a lot of input data, which in many cases are difficult to access, so ‎it is necessary to replace simpler models with low inputs and good accuracy. Therefore, the purpose of this ‎study was to evaluate the accuracy and capability of Bayesian Network and Support Vector Machine ‎models in estimating reference evapotranspiration and comparing it with the Penman-Monteithe-FAO ‎model. For input data, monthly data of Khoramabad synoptic station including: maximum and minimum ‎temperature, maximum and minimum relative humidity, solar radiation and wind speed in period 1990-‎‎2016 (420 months) were used. Based on the effect of input parameters on output, six input patterns were ‎determined for modeling. 70% of data were used for training and 30% for model validation. The results ‎showed that pattern number 5 includes: maximum Temperature, wind speed, solar radiation, minimum ‎temperature and minimum relative humidity in has the best accuracy all models. This model in test phase, ‎has R2 = 0.97 and RMSE = 0.93 in the Bayesian network and 8.9 R2 = 0 and RMSE = 0.41 in support ‎Vector Machine with radial basis functions kernel. Comparison of the performance of the models showed ‎the superiority of the vector machine model over the other models with AARE of 0.0525 and MR of 0.005.‎ در سراسر دنیا مدل فائوپنمن‌مانتیث به‌عنوان یک روش مرجع، برای برآورد تبخیروتعرق‌مرجع مورداستفاده قرارمی‌گیرد. در این روش ‏اطلاعات ورودی زیادی نیاز است که در خیلی از موارد دسترسی به این داده‌ها مشکل می‌باشد، لذا جایگزینی مدل‌های ساده‌تر با ورودی-‏های اولیه کم و دقت مناسب ضرورت می‌یابد. ازاینرو هدف از این پژوهش بررسی دقت و قابلیت مدل‌های ماشین‌بردارپشتیبان و ‏شبکه‌بیزین در برآورد تبخیروتعرق‌مرجع و مقایسه با مدل فائوپنمن‌مانتیث می‌باشد. برای اطلاعات ورودی از اطلاعات ماهانه ایستگاه ‏سینوپتیک خرم‌آباد شامل: بیشینه و کمینه‌درجه‎‌‎حرارت، بیشینه و کمینه‏رطوبت‎‌‎نسبی، تابش‌خورشیدی و سرعت‌باد در بازه زمانی 1395-‏‏1361 (به تعداد 420 ماه) استفاده شد. بر اساس تأثیر پارامترهای ورودی بر خروجی، شش الگوی ورودی برای مدل‌سازی تعیین‌گردید. 70 ‏درصد داده‌ها جهت آموزش و 30 درصد داده‌ها جهت صحت‌سنجی مدل‌ها به‌کارگرفته‌شد. نتایج نشان داد الگوی 5 شامل: ‏حداکثردرجه‌حرارت، سرعت‌باد، تابش‌خورشیدی، حداقل‌درجه‌حرارت و حداقل‌رطوبت‌نسبی در همه مدل‌ها دقیق‌ترین الگو می‌باشد. این الگو ‏در مرحله آزمون در شبکه بیزین، دارای 97/0‏‎ R2=‎و 93‏‎/‎‏0‏RMSE=‎‏ و در ماشین‌بردارپشتیبان با هسته‌توابع‌پایه‌شعاعی، دارای 8‏‎9‎‏/0‏‎ R2=‎و ‏‏41‏‎/‎‏0‏RMSE=‎‏ بوده‌است. مقایسه عملکرد مدل‌ها نشان از برتری مدل ماشین‌بردارپشتیبان نسبت به مدل دیگر داشت به‌طوریکه دارای ‏AARE‏ به میزان 0525/0 و ‏MR‏ به میزان 005/1 بود.‏ https://idj.iaid.ir/article_110738_079c97dcaac64cc5dd411e333b547d43.pdf