ارزیابی دقت مدل ماشین بردار پشتیبان و مدل هیبریدی الگوریتم ژنتیک و ماشین بردار پشتیبان با توابع زیان مختلف در پیشبینی تبخیر-تعرق مرجع

الگوریتم ژنتیک جستجویی در مسائل بهینه سازی برگرفته از تکامل ژنتیکی می باشد. ماشین بردار دسته بندی کنندهای است کهاز تئوری یادگیری آماری استفاده می کند. در این تحقیق با هدف مقایسه دقت مدل ماشین بردار پشتیبان و مدل هیبریدیالگوریتم ژنتیک و ماشین بردار پشتیبان در پیش بینی تبخیر-تعرق مرجع ((ET(o) روزانه، از تابع کرنل شعاعی و تابع زیان اپسیلونو درجه دوم استفاده شد. برای این منظور داده های اقلیمی روزانه شامل ساعات آفتابی، حداکثر و حداقل دمای هوا، رطوبت نسبیو سرعت باد، طی سالهای (2000-2010) در ایستگاه سینوپتیک اهواز برای تخمین (ET(o به عنوان ورودی مدل ها استفاده شد. مقادیر (ET(o نیز با روش استاندارد فائو-پنمن-مانتیث به عنوان مقادیر مبنا محاسبه شد. مقدار ضریب تبیین و ریشه میانگینمربعات خطا در بخش پیش بینی برای مدل GA-SVR با تابع زیان اپسیلون به ترتیب 0/9999 و برای مدل GA-SVR با تابع زیان درجه دوم به ترتیب 0/9998 و 0/0018 برای مدل SVR با تابع زیان اپسیلون به ترتیب 0/988 و 0/022 و برای مدل SVR با تابع زیان درجه دوم به ترتیب 0/980 و 0/026 محاسبه شد. نتایج بیانگر کارایی و دقت بالای مدل GA-SVR با هر دو تابع زیان اپسیلون و درجه دوم نسبت به مدل SVR با هر دو تابع زیان در پیش بینی تبخیر-تعرق مرجع می باشد.

کلیدواژه ها:

تبخیر-تعرق مرجع ، ماشین بردار پشتیبان ، الگوریتم ژنتیک ، تابع زیان