@article { author = {Bakhshoodeh, Mitra and Rahimikhoob, Ali}, title = {Comparison of Regression tree, artificial neural network and Hargrives-Samani in estimation of reference evapotranspiration in semi region}, journal = {Water and Irrigation Management}, volume = {4}, number = {2}, pages = {149-160}, year = {2014}, publisher = {University of Tehran, College of Aburaihan}, issn = {2251-6298}, eissn = {2382-9931}, doi = {10.22059/jwim.2014.53031}, abstract = {The purpose of this study was to evaluate three models of artificial neural networks (ANN), regression trees (M5) and Hargrives-Samani (HG) in estimation of reference evapotranspiration. For this purpose was used climate information of Sistan va Baloochestan, Kerman, Yazd and Khorasan Jonoobi from 1998 to 2008. In addition to effect of wind (U) on evapotranspiration (ET0), estimation of ET0 was done based on wind change in tree groups including U<2.48 m/s (U1), 2.483.67 m/s (U3). The results showed that optimum result of each tree methods was in U1 group. The amount of RMSE and R2 in ANN were 1.41 mm/day and 0.84 respectively, in MS were 1.46 mm/day and 0.83 and in HG were 2.02 mm/day and 0.69. These results showed that both ANN and MS methods are better than HG model. Besides, the run of MS to ANN is easy.}, keywords = {Artificial Neural Network,evapotranspiration,Hargrives-Samani,Regression tree,Wind}, title_fa = {مقایسۀ مدل رگرسیون درختی، شبکۀ عصبی مصنوعی و هارگریوز سامانی در برآورد تبخیرتعرق مرجع مناطق خشک}, abstract_fa = {هدف از این تحقیق، ارزیابی سه مدل شبکۀ عصبی مصنوعی، رگرسیون درختی و مدل هارگریوز سامانی برای برآورد تبخیرتعرق گیاه مرجع بود. بدین منظور از اطلاعات هواشناسی استان­های سیستان و بلوچستان، کرمان، یزد و خراسان جنوبی در دورۀ آماری 1998-2008 استفاده شد. با توجه به تأثیر سرعت باد بر میزان تبخیرتعرق منطقه، برآورد تبخیرتعرق براساس تغییرات سرعت باد در قالب سه گروه شامل ایستگاه­هایی با سرعت باد کمتر از 48/2 متر بر ثانیه در گروه U1، ایستگاه‌هایی با سرعت باد بین 48/2 و 67/3 متر بر ثانیه در گروه U2 و ایستگاه‌هایی با سرعت باد بیشتر از 67/3 متر بر ثانیه در گروهU3 صورت گرفت. نتایج نشان داد هر سه مدل شبکۀ عصبی مصنوعی، رگرسیون درختی و هارگریوز سامانی در گروه U1بهترین برآورد را داشتند. نتایج آماری میانگین مجذور مربعات خطای مدل شبکۀ عصبی مصنوعی 41/1 میلی‌متر در روز با ضریب تبیین 84/0، مدل رگرسیون درختی 46/1 میلی‌متر در روز با ضریب تبیین 83/0 و هارگریوز سامانی کالیبره‌شده 02/2 میلی‌متر در روز با ضریب تبیین 69/0 به‌دست آمد که بیانگر برتری دو روش شبکۀ عصبی و رگرسیون درختی بود.}, keywords_fa = {Artificial Neural Network,evapotranspiration,Hargrives-Samani,Regression tree,Wind}, url = {https://jwim.ut.ac.ir/article_53031.html}, eprint = {https://jwim.ut.ac.ir/article_53031_9455c945be124efd91e67c600e92bdd7.pdf} }