عنوان

کارایی روش‌های داده‌کاوی در تخمین تبخیر روزانه از تشت کلاس A در ایستگاه هواشناسی تبریز

پ۲۴۵۱۹

per

کارایی روش‌های داده‌کاوی در تخمین تبخیر روزانه از تشت کلاس A در ایستگاه هواشناسی تبریز

خدیجه سیف زاده

کشاورزی

۱۳۹۹

۸۷ص.

سی دی

کارشناسی ارشد

مدیریت منابع خاک- گرایش فیزیک و حفاظت خاک

۱۳۹۹/۰۶/۳۰

چکیده: اﻣﺮوزه ﺗﺨﻤﻴﻦ ﺻﺤﻴﺢ تبخیر ﺑﻪ‌ﻋﻨﻮان ﻳﻜﻲ از ﻋﻨﺎﺻﺮ ﻣﻬﻢ ﭼﺮﺧﻪ ﻫﻴﺪروﻟﻮژي، ﻧﻘﺶ ﻣﻬﻤﻲ را در ﺗﻮﺳﻌﻪ ﭘﺎﻳﺪار و ﻣﺪﻳﺮﻳﺖ ﺑﻬﻴﻨﻪ ﻣﻨـﺎﺑﻊ آب در ﻛﺸـﻮرﻫﺎي ﻣﻮاﺟﻪ ﺑﺎ ﺑﺤﺮان آب ایفا می‌کند. هدف از این پژوهش، ارزیابی روش‌های داده کاوی جهت برآورد تبخیر از تشت کلاس A در ایستگاه تبریز می‌باشد. در این پژوهش از داده‌های هواشناسی روزانه ایستگاه تبریز به مدت 15 سال (1397-1382) استفاده گردید. ارزیابی میزان برآورد تبخیر از تشت کلاس A، با روش‌های داده کاوی و 5 مدل این روش که شامل رگرسیون بردار پشتیبان، رگرسیون فرآیند گاوسی، الگوریتم مدل درختی، جنگل تصادفی و رگرسیون خطی بود که توسط نرم‌افزار weka صورت گرفت. متغیرهای ورودی به مدل شامل، میانگین دمای هوا، رطوبت نسبی، حداکثر و حداقل دمای هوا، سرعت باد و تابش خورشیدی در مقیاس زمانی روزانه بود. نتایج حاصل نشان داد که در ایستگاه تبریز، مقادیر تخمینی تبخیر روش فرآیند رگرسیون گاوسی با RMSE=1.90 و R2=0.81 و روش رگرسیون بردار پشتیبان با RMSE=1.92 و R2 =0.80 عملکرد مناسبی در شبیه‎سازی مقدار تبخیر روزانه از تشت کلاس A داشته است. در نهایت برای ایستگاه هواشناسی تبریز، مدل SVR و GPR برای الگوی ورودی شماره 10 با همه پارامترها و دارا بودن بهترین عملکرد، به‎عنوان مدل‎های با دقت مناسب پیشنهاد گردید. همچنین پارامترهای سرعت باد و تابش خورشیدی به‎عنوان موثرترین پارامتر در میزان تبخیر از تشت کلاس A معرفی شد.

Abstract: Nowadays Correct estimation of evaporation as One of the important elements of the hydrological cycle ،Play an important role in Sustainable development and optimal management of water resources in countries facing water crisis. goal of this research, Evaluation of data mining methods for modehing pan evaporation in Tabriz station. in this research, from daily meteorological data of Tabriz station Used for 15 years.Evaluate the estimated evaporation rate from A class pan, with data mining methods and 5 models of this method that include: Is support vector regression, Gaussian process regression, Tree model algorithm, Random forest and linear regression. Input variables to the model included: was Average air temperature, relative humidity, Max and min air temperature, wind speed and solar radiation on a daily time scale.The results showed that at Tabriz station Gaussian regression process method with error RMSE=1.90 and R2=0.81. Backup vector regression method with error RMSE=1.92 and R2 =0.80 In millimeters per day, it has a good performance in simulating the amount of daily pan evaporation. Finally, for Tabriz Meteorological Station GPR and SVR model for input pattern number 10 With all parameters and having the best performance, were proposed as models with appropriate accuracy. Also, the parameters of wind speed and solar radiation were introduced as the most effective parameters in the rate of evaporation from the Class A pan.

Efficiency of data mining methods in predicting daily evaporation from class A pan at Tabriz climatic station

‏سیف زاده،

‏خدیجه

تهيه کننده

زارع حقی،

‏صمدیان فرد،

‏نیشابوری،

‏ داود

‏سعید

‏محمد رضا

استاد راهنما

استاد راهنما

استاد مشاور

‏ تبریز