عنوان	برآورد مقادیر روزانه تبخیر از تشت با بکارگیری چند مدل‌ یادگیری ماشین در ایستگاه سینوپتیک مریوان
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	دریاچه زریبار، تبخیر از تشت، درخت تصمیم، جنگل تصادفی، بردار پشتیبان
چکیده	تبخیر پارامتری کلیدی در مدیریت منابع آب و برنامه‌ریزی کشاورزی بوده و یک متغیر اقلیمی مؤثر در مناطق خشک و کم‌آب مثل ایران است. در این پژوهش عملکرد سه مدل یادگیری ماشین شامل جنگل تصادفی، مدل درختی M5 و ماشین بردار پشتیبان در برآورد تبخیر روزانه در ایستگاه سینوپتیک مریوان مورد ارزیابی قرار گرفت. داده‌های روزانه چند متغیر هواشناسی شامل دمای حداکثر، دمای حداقل، رطوبت نسبی، طول ساعات آفتابی، فشار بخار آب، کمبود فشار بخار، سرعت باد و تابش خالص در بازه زمانی 1992 تا 2023 برای ایستگاه سینوپتیک مریوان گردآوری شدند و از آنها بعنوان ورودی مدل‌های یادگیری ماشین جهت برآورد مقادیر روزانه تبخیر از تشت استفاده شد. جهت سنجش خطای این مدل‌ها از دو شاخص ضریب تعیین (R2) و میانگین قدر مطلق خطا (MAE) استفاده شد. نتایج کلی حاصل از این پژوهش بیانگر آن است که با بکارگیری مدل‌های واسنجی‌شده یادگیری ماشین، این پتانسیل وجود دارد که مقادیر روزانه تبخیر را با دقتی مناسب و قابل قبول (با خطای مطلق حدود 2/1 میلیمتر در روز) برآورد کرد. نتایج کلی نشان داد که از بین سه مدل مورد مطالعه، مدل جنگل تصادفی در مجموع عملکرد مناسب‌تری نسبت به دو مدل دیگر در برآورد تبخیر از تشت دارد. در نهایت، با تکمیل خلأهای آماری داده‌های تبخیر از تشت به کمک مدل جنگل تصادفی، یک سری زمانی درازمدت و بدون خلأ آماری از مقادیر روزانه تبخیر از تشت در ایستگاه مریوان تهیه شد که جهت اهدافی نظیر بررسی اثرات تغییر اقلیم بر بیلان آبی و نرخ تبخیر در دریاچه زریبار می‌تواند مورد استفاده قرار گیرد.
پژوهشگران	یونس خوشخو (نفر اول)، حدیث الماسی (نفر دوم)