پیش بینی مقادیر تبخیر روزانه با الگوریتم هیبریدی مگس میوه و رگرسیون بردار پشتیبان (مطالعه موردی: ایستگاه سلماس)

برآورد دقیق تبخیر برای توسعه منابع آب و مدیریت آب کشاورزی، در مناطق خشک و نیمه خشک حیاتی است. بنابراین، در این مطالعه توانایی مدل ترکیبی مگس میوه-رگرسیون بردار پشتیبان (SVR-FOA) با مدل رگرسیون بردار پشتیبان (SVR) در برآورد تبخیر روزانه در ایستگاه سلماس طی دوره ۲۰۲۰-۲۰۰۰ مقایسه گردید. نتایج با استفاده از چهار معیار آماری مورد ارزیابی قرار گرفت. نتایج بهدست آمده نشان داد که سناریو ششم مدل ترکیبی SVR-FOA با داشتن NS =۲/۵۸۸ ،RMSE =۱/۷۶۵ ،R=۰/۸۸۹ و WI=۰/۹۳۹ دقیق ترین مدل بوده و کمترین خطا را نسبت به تمام مدل ها دارد. همچنین سناریو ششم مدل SVR با NS = ۲/۵۸۳ ،RMSE = ۱/۷۸۰ ،R=۰/۸۸۵ و WI=۰/۹۳۵ عملکرد بهتری نسبت به سایر ترکیبات SVR از خود نشان داد. نتایج حاصل از این پژوهش نشان داد که الگوریتم هیبریدی مگس میوه در برآورد تبخیر، در تمام سناریوهای تعریف شده موفقتر از رگرسیون بردار پشتیبان عمل کرده است.