Resumen

El objetivo de este estudio es evaluar la capacidad de los modelos de cómputo suave, incluyendo la optimización de ondas de agua (WWO) con perceptrón multicapa (MLP-WWO), la optimización por enjambre de partículas (PSO) con perceptrón multicapa (MLP-PSO) y el algoritmo genético (GA) con perceptrón multicapa (MLP-GA), para simular la evapotranspiración de referencia (ET) diaria y mensual en la cuenca de Aidoghmoush (Irán). Se utilizó el análisis de componentes principales (PCA) para encontrar la mejor combinación de variables de entrada, incluyendo las ET rezagadas. Según los resultados, los valores de ET con rezagos de 1, 2 y 3 días, así como los de 1, 2 y 3 meses, fueron las variables más efectivas en la formación de los CP. La proporción total de varianza de las entradas y los autovalores se utilizaron para identificar las variables más importantes. La precisión de los modelos se evaluó en base

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Evaluar; Modelos de computación suave; MLP; Optimización de ondas de agua; Optimización de enjambre de partículas; Algoritmo genético; Simular; Diario; Mensual; Evapotranspiración de referencia; Cuenca de Aidoghmoush; Irán; Análisis de componentes principales; PCA; Combinación de entradas; ETs rezagadas; Variables efectivas; Formación; CPs; Proporción total de varianza; Valores propios; Identificar; Variables importantes; Precisión; Modelos; índices estadísticos; Error absoluto medio; Eficiencia de NashSutcliff; Sesgo porcentual; Rendimiento; Híbrido; Independiente; Predecir.
• Keywords:Evaluate; Soft computing models; MLP; Water wave optimization; Particle swarm optimization; Genetic algorithm; Simulate; Daily; Monthly; Reference evapotranspiration; Aidoghmoush basin; Iran; Principal component analysis; PCA; Input combination; Lagged ETs; Effective variables; Formation; PCs; Total variance proportion; Eigenvalues; Identify; Important variables; Accuracy; Models; Statistical indices; Mean absolute error; NashSutcliff efficiency; Percent bias; Performance; Hybrid; Standalone; Predict.