@article { author = {m, om}, title = {Monthly Forecast of Potential Evapotranspiration Models Using Support Vector Machine (SVM), Genetic programming and Neural - Fuzzy Inference System}, journal = {Irrigation and Water Engineering}, volume = {7}, number = {3}, pages = {135-150}, year = {2017}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {}, abstract = {Despite the importance of evapotranspiration in the planning and management of water resources, its dependence on climatic factors on the one hand and influence of each of these components on the other hand has made it difficult to estimate evapotranspiration. Therefore, in this study, attempts to explore the possibility of predicting these important component in Sistan and Baluchestan using meta-heuristic models such as neuro-fuzzy inference system, GEP and SVM.  In this regard, according to the FAO Penman-Monteith equation, the monthly potential evapotranspiration in four synoptic stations- Zahedan, Zabol, Iranshahr, and Chabahar- was calculated using the monthly weather data. These values as a reference to compare the results of the Neuro-fuzzy inference models, genetic programming, and SVM methods were studied. The five models applied in this study were: Model 1 includes input of average air temperature, shiny hours and relative humidity in the same month. Model 2 includes average air temperature, relative humidity, and wind speed in the same month. Model 3 includes average air temperature, relative humidity, and wind speed in the same month. Model 4 includes average air temperature, relative humidity, wind speed, and average shiny hours in the same month, and model 5 includes average air temperature, relative humidity, wind speed, and shiny hours in the same month and the earlier month. The results of different models were compared based on the statistical coefficient of determination and root mean square error. These findings show that in the neuro-fuzzy model, the models 2 (r2= 0.945), 3 (r2= 0.982(, 4(r2= 0.26), and 5 (r2= 0.423), respectively in Zahedan, Zabul and Chabahar, and Iranshahr Chabahar stations own greater accuracy. Analysis of results in the gene- expression planning model also indicates that in the test section, the model no. 4, with the coefficients of 0.974, 0.9811, 0.982, and 0.815, respectively for the stations of Zahedan, Zabol, Iranshahr, and Chabahar, has higher accuracy. Likewise, in the SVM model, due to the coefficients of determination, 0.997, 0.998, 0.998, and 0.979, respectively in the stations of Zahedan, Zabol, Iranshahr, and Chabahar, the model 5 had the highest accuracy. Comparison of 3 models in this study also showed that in all stations, the Support Vector Machine, the programming model of gene expression, and the neuro-fuzzy model were paced in the first, the second, and the third levels of importance for estimating the monthly potential evapotranspiration.}, keywords = {Climate Parameters,Modeling,Penman – Monteith (P-M),Sistan and Baluchistan}, title_fa = {پیش بینی تبخیر- تعرق پتانسیل ماهانه با استفاده از مدل‌های ماشین بردار پشتیبان، برنامه‌ریزی ژنتیک و سیستم استنتاج عصبی – فازی}, abstract_fa = {  چکیده علی­رغم اهمیت تبخیر-تعرق در برنامه­ریزی و مدیریت منابع آبی، وابستگی آن به مولفه­های اقلیمی از یک­سو و تاثیرپذیری این مولفه­ها از یکدیگر از سویی دیگر تخمین تبخیر-تعرق را دشوار ساخته است. به همین منظور، در این پژوهش، به بررسی امکان پیش­بینی این مولفه­ی مهم در استان سیستان و بلوچستان با استفاده از مدل‌های فراابتکاری از قبیل سیستم استنتاج عصبی – فازی، برنامه ریزی بیان ژن و ماشین بردار پشتیبان پرداخته شد. در این راستا، ابتدا بر اساس رابطه­ی فائو پنمن-مانتیث، میزان تبخیر-تعرق پتانسیل  ماهانه در چهار ایستگاه سینوپتیک زاهدان، زابل، ایرانشهر و چابهار  با استفاده از داده­های هواشناسی ماهانه برای یک دوره 30 ساله محاسبه گردید که این مقادیر به عنوان مرجع برای مقایسه نتایج مدل‌های مورد مطالعه در تحقیق استفاده گردید. در این تحقیق با توجه به تعداد پارامترهای در نظر گرفته شده برای مدلسازی از 5 الگو استفاده شده است . الگوی 1 شامل ورودی های متوسط دمای هوا، ساعات آفتابی و رطوبت نسبی در یک ماه مشخص، الگوی 2 شامل متوسط دمای هوا، رطوبت نسبی و سرعت باد در همان ماه، الگوی 3 شامل متوسط دمای هوا، رطوبت نسبی و سرعت باد در همان ماه، الگوی 4 شامل متوسط دمای هوا، رطوبت نسبی، سرعت باد و  ساعات آفتابی در همان ماه و الگوی 5 شامل متوسط دمای هوا، رطوبت نسبی، سرعت باد و  ساعات آفتابی در همان ماه و یک ماه قبل میباشد. مقایسه­ی نتایج در مدل­های مختلف بر اساس آماره­های ضریب تبیین و جذر میانگین مربعات خطا صورت گرفت. با توجه به نتایج مشاهده می­شود در مدل نروفازی در ایستگاه زاهدان الگوی 2، در ایستگاه زابل و چابهار الگوی 3 و در ایستگاه ایرانشهر الگوی 5  با مقادیر ضریب تبیین به ترتیب 945/0، 982/0، 26/0 و 443/0 از دقت بیشتری برخوردار هستند. همچنین بررسی نتایج در مدل برنامه ریزی بیان ژن نشان‌دهنده این است که در بخش آزمون الگوی 4 از بقیه الگو­ها با ضریب تبیین 974/0، 9811/0، 982/0 و 815/0 در ایستگاه های زاهدان، زابل، ایرانشهر و چابهار دارای دقت بالاتری می­باشد. در مدل ماشین بردار پشتیبان نیز با توجه به مقادیر ضریب تبیین ایستگاه­های زاهدان، زابل، ایرانشهر و چابهار با مقادیر 997/0، 998/0، 998/0 و 979/0 در بخش آزمون در همه ایستگاه­ها  الگوی 5 از دقت بهتری برخوردار می باشد. مقایسه بین 3 مدل  در این تحقیق نیز نشان داد که در همه ایستگاه­ها  مدل ماشین بردار پشتیبان در مرتبه اول و سپس مدل برنامه ریزی بیان ژن و در آخر مدل نروفازی برای تخمین مقادیر تبخیر-تعرق پتانسیل ماهانه قرار دارند}, keywords_fa = {واژه‌های کلیدی: پارامترهای اقلیمی,مدل سازی,روش پنمن – مانتیث,سیستان و بلوچستان}, url = {https://www.waterjournal.ir/article_74070.html}, eprint = {https://www.waterjournal.ir/article_74070_ab6dfd07f14cd7d5e269582e079bc933.pdf} }