چکيده

به منظور تعیین مدل مناسبی از تخمین تبخیر  و تعرق پتانسیل ماه بعد، برای ایستگاه اراک، رشت و شیراز، از الگوریتم های M5P، kSTAR، M5RAULES، REPTree، CHID و CART مقایسه شدند. پس از معرفی کردن داده های هواشناسی به صورت متوسط ماهانه که شامل متوسط دمای هوا، ساعات آفتابی، دمای نقطه شبنم، متوسط رطوبت نسبی، متوسط سرعت باد، کمبود فشار بخار اشباع طی دوره چهل و شش ساله، از سال 1960 تا 2005 میلادی به الگوریتم های مذکور، به عنوان متغییرهای ورودی و تبخیر تعرق پتانسیل ماهانه در تخمین تبخیر تعرق پتانسیل ماه بعد، به روش پنمن مانتیث، به عنوان متغیرهای خروجی، الگوریتم های مذکور مورد ارزیابی قرار گرفتند. سپس بعد از برنامه نویسی الگوریتم های مذکور برای تخمین تبخیر تعرق پتانسیل ماه بعد، ما از طریق مقایسه بین ضریب رگرسیون  و متوسط مطلق خطا به دست آمده، از طریق الگوریتم ها، مناسب ترین الگوریتم را انتخاب می کنیم. به این ترتیب الگوریتم  Kstar, M5P, CART برای ایستگاه اراک، رشت و شیراز در میان این هفت الگوریتم بهترین تخمین تبخیر و تعرق پتانسیل برای ماه بعد، را از داده های هواشناسی ماه قبل برای ایستگاه های مذکور داشته اند.